ProvMind：基于来源信息的材料合成推理
人工智能
2026-05-28 v1 机器学习
摘要
材料过程优化需要对路由、条件、工具及因果依赖关系进行推理，但大多数计算模型会将合成程序简化为文本或有序步骤。我们引入了 MatProcBench，这是一个基于文献挖掘的 MatPROV 图构建的、以来源信息为基础的基准测试，用于评估七项过程推理任务，涵盖路由连续性、步骤级变量推断和全局因果一致性，包括严格的双重 OOD 分割，该分割结合了时间和材料类别的偏移。我们进一步提出了 ProvMind，这是一种过程记忆推理框架，可检索类似的训练过程，将其转换为来源感知的选项级兼容性得分，并使用语言模型进行受约束的最终决策。ProvMind 在双重 OOD 分割上实现了 52.84% 的准确率，显著优于提示、检索增强和监督微调基线。
引用
@article{arxiv.2605.28487,
title = {ProvMind: Provenance-grounded reasoning for materials synthesis},
author = {Yiming Zhang and Ryo Tamura and Koji Tsuda},
journal= {arXiv preprint arXiv:2605.28487},
year = {2026}
}