研究人员推出MOOSE-Star，一个旨在使训练大型语言模型以进行科学发现更具可行性的新框架。该框架通过将计算复杂度从指数级降低到对数级，解决了直接建模生成推理过程的数学上的不可行性。这是通过分解子任务、动机引导的分层搜索和有界组合来实现的，同时发布了用于训练的TOMATO-Star数据集。 AI
影响 该框架可以实现更高效的LLM训练，以进行科学假设生成，从而可能加速科学发现。
排序理由 这是一篇详细介绍新框架和LLM训练数据集的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
