Contrastive Discovery

新方法通过竞争性解释提升AI科学发现能力

研究人员推出了一种名为Contrastive Discovery的新方法，旨在通过LLM代理增强开放式科学发现。该方法利用对比集，将科学问题与相互排斥但穷尽的竞争性解释一起呈现，而不是评估单一假设。实验表明，与传统的点式方法相比，该方法显著改善了跨解释的信念重新分配，并帮助代理解决了更多问题。人类专家也对Contrastive Discovery识别出的解释表示高度认同。