arXiv cs.AI· Weihan Li, Tianshi Zheng, Yangqiu Song, Ginny Y. Wong, Simon See·· 3 天前AI 评分31
ULTRADISCOVERY：互联、认知开放宇宙中的溯因探索
ULTRADISCOVERY: Abductive Exploration in an Interconnected, Epistemically Open Universe
AI 导读
研究者提出 ULTRADISCOVERY，一个含五个领域的交互式世界，用于考察智能体在认知开放与结构互联条件下的溯因探索能力。在 2×2 设计中，表征开放时十一个模型常撤回被教授的公理，且无一引入未观测实体或重写变量；披露表征使干预请求增至三倍。没有任何系统能在 200 次付费动作内做出精确预测，更大预算下仅两种辅助同时具备时才出现一次精确预测。
正文 · AI 翻译
摘要：科学发现往往始于零散线索呼唤一种描述世界的新方式。当世界在认知上开放时，这种溯因探索可能要求构建陈述解释所需的表征；而当世界在结构上相互关联时，则要求将分散于不同情境中的证据组合起来。现有基准很少区分这两种需求，也很少对它们进行独立控制。我们提出 ULTRADISCOVERY，一个包含五个领域的交互式世界，其中智能体需要修正一个最初成功的理论，并预测一个未见过的跨领域干预的结果。一个 $2 \times 2$ 设计让表征保持开放或将其公开，并让证据保持分散或将其对齐，同时潜在动态保持不变。在表征开放的情况下，十一个模型中的智能体往往会撤回它们被教授的公理，且没有一个引入未观察到的实体或重写替换所需的变量。公开表征使干预请求增至三倍，并增加约十八项发现中的一项，而对齐带来的增加更少。两个供应商框架系统将发现扩展到更多领域，其中一个在 Open 情节中重写了变量。没有任何系统能在 200 次付费动作内做出精确预测。在更大的预算下，当两种辅助都具备时会出现一次精确预测，而每个 Open 情节仍然不精确。这些结果将困难定位于从积累证据到将其组合成可迁移表征的这一步骤。
| 评论： | 46 页，18 幅图，16 张表 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.03092 [cs.LG] |
| （或 arXiv:2610.03092v2 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.03092 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Weihan Li [查看电子邮件]
[v1]
2026年10月2日星期五 10:12:34 UTC（1,432 KB）
[v2]
2026年10月13日星期二 09:01:26 UTC（1,602 KB）
来源：arXiv cs.AI · arxiv.org