研究提出分离科学可行性与社区可得性的采样框架

Alejandro Hernandez Artiles 等作者发表论文，提出一种用于生成科学新方向的思路采样框架：把论文拆解为概念单元并聚类成“思想原子”，再用连贯性模型和可得性模型，筛出科学上合理、但现有学术社区难以产出的研究方向。 在 NeurIPS、ICLR、ICML 及主要 NLP 会议的 16,068 篇大语言模型论文上，该方法产出的研究组合比前沿大语言模型基线更多样，单项质量在盲评中持平或更优。作者称，把科学可行性与社区可得性分开，是为了让 AI 构思补充而非仅仅加速人类科学，把探索扩展到社区可能忽视的连贯方向。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。