EvoGens：基于群体的启发式搜索框架，用于生成科学思想

产生新颖的研究想法是科学进步的基础。虽然 大语言模型 (LLM) 在协助这一过程方面表现出了希望，但现有方法通常表现出语义收敛，导致多样性和新颖性有限。为了解决这个问题，我们引入了 EvoGens，这是一个受进化启发的框架，它将科学想法的生成重新定义为对一组想法的进化搜索。 EvoGens 迭代地应用基于排名的突变和差异化检索规划来合并外部知识，并应用语义感知交叉来融合互补概念以进行概念重组。轻量级的评估信号指导选择过程，鼓励持续探索，同时减轻过早收敛。大量实验表明，与最先进的基线相比，EvoGens 显着增强了探索能力。具体来说，它将新颖性从 0.1 提高到 0.4，多样性从 0.24 提高到 0.55，同时在当前自动评估协议下保持可比较的创意质量。这些发现表明，进化机制可以作为探索型研究构想的有用框架，特别是在共享自动评估环境下扩大候选想法的新颖性和多样性。