arXiv cs.AI· Chia-Hsuan Chang, Brian Ondov, Jiang Lv, Lan Jiang, Yunmai Wang, Haerin Song, Xueqing Peng, Qiaozhu Mei, Xiaolei Su, Hua Xu·· 13 小时前AI 评分38
ForeSCITE：利用科学结论的时间轨迹预测未来生物医学发现
Learning Scientific Trajectories to Predict Future Biomedical Discoveries
AI 导读
ForeSCITE 框架通过识别已发表生物医学结论的主题聚类、估计各聚类内区分早期与近期发现的方向，并将结论嵌入向量沿该方向投影，再由嵌入语言模型解码为自然语言假设。
正文 · AI 翻译
摘要：AI 联合科学家拓展了大语言模型在生成科学假设和指导实验研究方面的应用。本文研究完整生物医学结论的语义表示中的时间模式能否指导假设生成。我们提出 ForeSCITE 框架，该框架识别已发表结论的主题聚类，估计每个聚类内区分早期与较新发现的方向，并沿这些方向投影现有结论嵌入。一个经训练以重建结论的嵌入语言模型将投影坐标解码为自然语言假设。在由约三百万条截止日期前结论衍生的 407 个聚类中，我们识别出时间结构并展示其在解码后的保留情况。在回顾性、按时间切片的评估中，相较于五个基于提示和检索增强的基线，ForeSCITE 在历史语料之外的语义覆盖度、生物医学实体对新颖性以及截止日期后实体对再观察方面均有提升。对优先排序的 CAR-T 假设进行专家评审，识别出 37 个既新颖又具有生物学合理性的候选假设，对五个选定假设的专家论证说明了其生物学依据及可获得的后续文献支持。这些发现支持将语义空间中的时间引导作为一种可扩展机制，用于提出生物医学假设以供后续科学评估。
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.38719 [cs.CL] |
| （或 arXiv:2610.38719v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.38719 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Chia-Hsuan Chang Dr. [查看电子邮件]
[v1]
2026年10月28日星期三 19:15:38 UTC（6,526 KB）
来源：arXiv cs.AI · arxiv.org