大规模生成文献驱动的科学理论

当代自动化科学发现主要聚焦于生成科学实验的智能体，而进行高层次科学活动（如理论构建）的系统仍鲜有探索。本文提出从大规模科学文献合成由定性与定量规律构成的理论的问题。我们大规模进行理论生成，利用 13.7k 篇来源论文合成 2.9k 个理论，考察使用文献 grounding 相较于参数化知识，以及以准确性为导向相较于新颖性为导向的生成目标如何影响理论属性。我们的实验表明，与使用参数化 LLM 记忆生成相比，我们的方法在匹配既有证据和预测后续 4.6k 篇论文中的结果方面均表现显著更佳。