ProvMind：面向材料合成的溯源锚定推理

摘要

材料工艺优化需要对路线、条件、工具与因果依赖进行推理，但多数计算化表述将合成流程压平为文本或有序步骤。我们提出MatProcBench，一个由文献挖掘的MatPROV图构建的溯源锚定基准，用于评估七项工艺推理任务，涵盖路线连续性、步骤级变量推断与全局因果一致性，采用同划分与偏移感知两种评估，包括结合时间偏移与材料类别偏移的严格双OOD划分。我们进一步提出ProvMind，一个过程记忆推理框架：它检索类似的训练过程，将其转化为溯源感知的选项级兼容性评分，并使用语言模型进行受约束的最终决策。ProvMind在双OOD划分上取得52.84%的准确率，优于提示、检索增强与监督微调基线。

ProvMind：面向材料合成的溯源锚定推理：论文配图 — 图 1：ProvMind 框架概述和本研究中涉及的基于起源的推理设置。 A，基于图形的示例基准实例，说明正确答案取决于类型化的流程上下文和因果来源，而不是仅取决于本地词汇线索。 B，根据训练分割 MatPROV 图构建离线过程内存，包括拓扑排序、语义角色分配以及可重用的路线和步骤级统计数据。 C，推理时的类比检索，其中符号、基于文本和结构感知的视图被融合以识别实验上兼容的先例。 D，任务感知符号评分，将检索到的先例转换为路线、条件、工具和排序任务的选项级兼容性证据。 E，最终的语言模型规划和决策以查询、检索过程摘要和基于出处的分数为条件。