arXiv cs.AI· Patrick Cooper, Avyay Sadhu, Alvaro Velasquez·· 11 小时前AI 评分26
DeFAb：基于可废止溯因的扎根科学发现数据集
DeFAb: A Dataset for Grounded Scientific Discovery through Defeasible Abduction
AI 导读
DeFAb 是构建自 Gene Ontology 精选生物学知识的数据集与符号验证框架，模型负责填补理论缺口或提出规则例外，验证器检查每次修改的后果。简单符号修复即可解决发布评测面板中全部 336 个任务，暴露出该修订测试的局限：绑定单一实体的例外可能成功，却未识别出适用于其他案例的模式。
正文 · AI 翻译
摘要：一个理论可以通过添加例外来容纳反例。更难的问题在于决定这个例外应当延伸到多远，以及哪些预测应当保留。我们提出 DeFAb，这是一个基于 Gene Ontology 中精选生物学知识构建的数据集与符号验证框架。模型填补理论中的空白，或对其规则提出例外。验证器检查每次编辑的后果，使不同的解决方案都能获得认可。简单的符号修复即可解决已发布评估面板中的全部 336 项任务。这一结果暴露了修订测试的局限性。与某一实体绑定的例外可以在未识别出适用于其他情形的模式的情况下取得成功。我们开发了一项情境化任务，要求例外能够触及相关案例，并在其他方面保留预测。两项计划中的研究分别比较使用已验证示例与已拒绝示例进行训练，以及在有和没有关于后果的反馈的情况下进行修订。DeFAb 使所提出解释的范围变得可检验，为研究科学推理中的理论修订提供了一个受控的步骤。
| 评论： | 12 页，3 幅图 |
| 主题： | 人工智能（cs.AI）；机器学习（cs.LG）；计算机科学中的逻辑（cs.LO） |
| MSC 分类号： | 68T27, 68T30, 68T05, 03B70 |
| ACM 分类号： | I.2.3; I.2.4; I.2.6; I.2.7 |
| 引用为： | arXiv:2606.18557 [cs.AI] |
| （或 arXiv:2606.18557v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.18557 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Patrick Cooper [查看电子邮件]
[v1]
2026 年 6 月 17 日星期三 00:13:40 UTC（272 KB）
[v2]
2026 年 10 月 23 日星期五 02:03:13 UTC（55 KB）
来源：arXiv cs.AI · arxiv.org