arXiv cs.AI· Yuxiao Hu, Qian Li, Ding Wang, Siheng Chen, Linfeng Zhang, Jinyue Yan, Yuntian Chen·· 11 小时前AI 评分31
SCOPE 框架与 ClosureBench 基准：从方程搜索转向猜想驱动的科学发现
Beyond Equation Search: Conjecture-Guided Discovery with SCOPE and ClosureBench
AI 导读
SCOPE 是一个维持多条猜想驱动研究轨迹的框架，多个科学家智能体独立通过方程建模、问题构建和主动实验推进猜想，再交换证据修正研究方向并汇总为关联模型、结论与证据的科学报告。
正文 · AI 翻译
摘要：大多数符号回归方法优化候选方程，但改善方程的拟合并不能确定其背后的科学猜想应当保留、修正还是否定。一个猜想可能允许多种数学实现，而精度相近的方程可能蕴含不同的解释。这促使研究重心从改进单个表达式转向发展并检验引导这些表达式的猜想。我们提出 SCOPE，一个支持多条猜想驱动研究轨迹的框架。多个科学家智能体通过方程建模、问题构建和主动实验，各自独立地推进猜想，然后交换证据以修正其猜想和研究方向。它们的发现被整合为一份科学报告，将模型、结论与证据联系起来。现有的方程发现基准主要评估恢复出的表达式，而对通过研究确立的证据和科学结论考察不足。因此，我们提出 ClosureBench，一个涵盖五个科学领域、包含 60 个闭合发现任务的交互式基准。ClosureBench 聚焦闭合发现任务，为方程发现赋予具体的科学目的。每个任务在已知 PDE 系统中嵌入一个未知的代数关系，智能体在 OpenFOAM 中控制实验条件以获取新数据用于方程发现。除方程精度外，ClosureBench 还提出三个指标来评估发现过程：证据忠实度、机制洞察力和实验有效性。与多种基线相比，SCOPE 在 ClosureBench 和一个真实科学发现案例上均取得更高的方程精度，同时产生更准确、可靠且有效的科学发现。
| 主题： | 人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.18938 [cs.AI] |
| （或 arXiv:2610.18938v3 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.18938 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Yuxiao Hu [查看邮箱]
[v1]
2026年10月13日 星期二 12:46:49 UTC（753 KB）
[v2]
2026年11月2日 星期一 07:31:34 UTC（754 KB）
[v3]
2026年11月5日 星期四 05:42:31 UTC（754 KB）
来源：arXiv cs.AI · arxiv.org