论文
XDomainBench：诊断高维科学知识组合中的推理坍塌
XDomainBench: Diagnosing Reasoning Collapse in High-Dimensional Scientific Knowledge Composition
摘要
大语言模型（LLM）日益被部署用于知识综合，但其在科学知识上的组合泛化能力仍未被充分刻画。现有基准主要聚焦单轮受限场景，未能捕捉真实世界交互式科学工作流所暴露的能力边界。为此，我们提出XDomainBench，一个面向交互式跨学科科学推理的诊断基准。我们形式化了组合顺序与混合结构，以支持从单学科到跨学科的系统化压力测试，涵盖20个领域、4个任务类别共8,598个交互会话，并以8种覆盖难度与领域混合动态的现实轨迹模式模拟真实的AI4S场景。对LLM的大规模评估揭示，随着组合阶数增加会出现系统性推理坍塌，其根源有二：(i)领域组合直接导致的难度提升；(ii)交互放大的间接失败，即轨迹模式触发误差累积、推理中断与领域混淆，最终导致会话坍塌。
