arXiv 新论文：用可能性理论形式化 LLM 开放式科学发现，提出 possibility frontier search 算法
RexDouglass · x · 2026-10-26
arXiv 论文《Open-ended Scientific Discovery with Possibilistic Reasoning》（Yang、Chau、Wakayama、Muandet、Adachi）研究 LLM 自主科学发现的核心难题：假设需要随证据积累自适应生成与检验，同时保持统计有效性。
- 现有 anytime-valid 方法能处理数据依赖的假设，但开放式发现面临更深挑战：已发现的最佳假设可能只是「矮子里的将军」，更好的解释尚未被发现，甚至物理定律等背景知识也可能需要修正。
- 论文用可能性理论（possibility theory）将问题形式化为 Abductive Autonomous Scientific Discovery（AASD）。
- 提出可计算的发现进度度量「abductive utility」和首个 AASD 算法 possibility frontier search，保持 anytime validity，并在适当条件下渐近达到 ε-最优 abductive utility。
- 在合成与真实科学发现任务上实验表现强劲。
「研究」频道最新
- gdb 盛赞 OpenAI 流体奇点论文：技术层面难以置信但人类可理解 — gdb · 2026-10-26
- eg-strider 发布：在 Eg-walker 基础上全面刷新最快 CRDT 性能 — vaibhavk97 · 2026-10-26
- 控制论之父维纳才是首位 AI 末日论者，1960 年已警告机器失控 — lukas_m_ziegler · 2026-10-26
- 激活一个神经元就能让模型自称绿色：45/50 回复被带偏 — Sauers_ · 2026-10-26
- 形式化验证专家泼冷水:证明通过不等于代码实现了你想要的功能 — srchvrs · 2026-10-26
- AI 辅助形式化验证宣称频出：Rocq 验证代码、Lean 验证明真成新前沿 — srchvrs · 2026-10-26