arXiv cs.CL· Minqian Liu, Yuexi Shen, Dawei Zhou, Lifu Huang·· 14 小时前AI 评分31
Ideation Space：用分解式概念表示定位科学想法
Navigating Ideation Space: Decomposed Conceptual Representations for Positioning Scientific Ideas
AI 导读
研究者提出 Ideation Space，将科学知识分解为三个维度并用对比学习训练，用于度量想法间的概念距离与建模想法内部的推理关联。基于该表示，团队给出 Hierarchical Sub-Space Retrieval 检索框架和 Decomposed Novelty Assessment 新颖性评估算法，可识别想法中哪些方面是新的。
正文 · AI 翻译
摘要：科学发现需要将新想法置于不断扩展的现有知识图景之中。一个新兴挑战是如何从快速增长的文献中识别出概念上相关的先前工作，并评估一个新想法与现有研究的差异。当前的嵌入方法通常将不同的概念方面混同为单一表示，无法支持细粒度检索；同时，基于 LLM 的评估器受谄媚偏差影响，无法提供有区分度的新颖性评估。我们引入了 Ideation Space，这是一种结构化表示，通过对比训练学习将科学知识分解为三个不同的维度。我们的框架能够有原则地度量想法之间的概念距离，并对捕捉想法内部逻辑联系的构思转变进行建模。基于这一表示，我们提出了分层子空间检索框架，用于高效、有针对性的文献检索，以及一种分解式新颖性评估算法，用于识别一个想法中哪些方面是新颖的。大量实验证明了显著改进，Recall@30 达到 0.329（比最强基线高 16.7%），新颖性评估与专家判断实现了有前景的相关性，优于所有最高 70B 的开源 LLM 基线。
| 评论： | 29 页，12 张表 |
| 主题： | 信息检索（cs.IR）；人工智能（cs.AI）；计算与语言（cs.CL）；机器学习（cs.LG） |
| 引用为： | arXiv:2601.08901 [cs.IR] |
| （或 arXiv:2601.08901v2 [cs.IR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2601.08901 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Minqian Liu [查看邮箱]
[v1]
2026 年 1 月 13 日星期二 18:56:11 UTC（61 KB）
[v2]
2026 年 10 月 25 日星期日 07:39:24 UTC（125 KB）
来源：arXiv cs.CL · arxiv.org