arXiv cs.AI· Mengdi Liu, Wenjue Chen, Wenyue Chen, Cheng Yang, Fanqi Kong, Zhangyang Gao, Xiaoxue Cheng, Yiheng Li, Yujian Yuan, Keliang Li, Hong Chang, Shiguang Shan, Chenglin Wu·· 9 天前AI 评分22
MindFlow：用思维超网驱动的思维流实现研究创意创新
MindFlow: Mind Supernet Powered Thinking Flows for Research Idea Innovation
AI 导读
MindFlow 将研究创意生成建模为图结构的"思维流"，由模块化思维算子和概率思维超网构成，控制器可针对给定研究主题动态采样思维流生成候选创意。该框架采用基于锦标赛的相对排序优化，使控制器逐步偏向更高质量的思维流，并引入同时评估问题发现与问题解决的评测协议。
正文 · AI 翻译
作者：Mengdi Liu、Wenjue Chen、Wenyue Chen、Cheng Yang、Fanqi Kong、Zhangyang Gao、Xiaoxue Cheng、Yiheng Li、Yujian Yuan、Keliang Li、Hong Chang、Shiguang Shan、Chenglin Wu
摘要：研究想法创新是科学进步的根本引擎，然而以可扩展且可控的方式生成和评估研究想法仍然困难。这一挑战源于其固有的开放性和多目标特性，即想法需要在新颖性、合理性和可行性之间取得平衡。尽管近期基于 LLM 的方法通过精心设计的提示词或智能体流水线取得了进展，但它们受限于预定义的、静态的构思工作流。为解决这一局限，我们提出 MindFlow，一个将构思明确表述为图结构“思维流”（Flow in Mind）的框架，该思维流由模块化思维算子组成，并通过概率思维超网建模。给定一个研究主题，控制器动态采样思维流以生成候选想法。这一开放性问题通过基于锦标赛的相对排序进行优化，使控制器能够逐步偏好更高质量的思维流。我们进一步引入一种评估协议，联合评估问题发现与问题解决，超越仅基于标题或摘要的判断。在多样化的主题上，MindFlow 展现出其作为显式、可控且可优化的研究想法创新者的优越性。
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2610.11966 [cs.AI] |
| （或 arXiv:2610.11966v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.11966 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Mengdi Liu [查看邮箱]
[v1]
2026年10月8日星期四 13:45:51 UTC（2,596 KB）
来源：arXiv cs.AI · arxiv.org