Claude's ART discovery points to a proactive discovery workflow for AI agents
The author argues the real takeaway is the process of large-scale parallel exploration, anomaly detection and human verification, not the discovery itself.
Anthropic 刚披露了一个我觉得比“模型 benchmark 又涨了多少”更重要的案例： Claude agents 在大规模 DNA 数据中，发现了一个此前未被识别的酶系统 ART。 大约 950 个 agents，跑了 21 小时，分析 20 万+ reverse transcriptases，从 3,500 个候选一路筛到 20 个重点对象，最后其中一个 agent 主动注意到了一段异常的 DNA repeat pattern。 人类科学家随后再做实验验证。 这件事真正值得看的，不是“AI 又发现了一个东西”，而是背后的工作方式： 巨大搜索空间 → 大规模并行探索 → candidate funnel → anomaly detection → evidence ranking → 人类验证 AI Agent 真正可能产生数量级变化的地方，不只是回答一个人提出的问题。 而是在人类根本看不过来的搜索空间里，主动发现： “这里有点不对劲，值得你来看。” 这也是我越来越想把自己的研究系统，从「监控已知目标」升级成「主动发现未知候选」的原因。 未来真正有价值的 AI Research System，可能不是更快的搜索框。 而是一支永远在替你探索未知空间的研究团队。
This post quotes another post: x.com/i/web/status/2102824959827742916