沙丘社区
论文

StatefulDiscovery：开放式科学发现中经证据校准的声明形成

StatefulDiscovery: Evidence-Calibrated Claim Formation in Open-Ended Scientific Discovery

Jiayao Chen; Shi Liu; Linyi Yang
智能体系统Agent 架构与控制循环

摘要

开放式科学发现要求代理人超越对预定义问题执行分析的范围。在多轮探索中，发现代理人必须决定哪些现象值得调查，同时避免过度解释，即新出现的主张超出了分析的证据范围。这就产生了证据校准问题：勘探轨迹必须与索赔状态相结合，以便证据可以指导下一步调查的内容和可以索赔的内容。我们引入了 \textsc{StatefulDiscovery}，一个发现框架，它将调查状态具体化并用它来协调前沿选择、证据获取和索赔裁决。我们在 40 个真实数据发现任务中评估 \textsc{StatefulDiscovery}。与几个基线相比，\textsc{StatefulDiscovery} 产生了更多总体上被认为得到良好支持和高价值的声明。消融表明结构化假设、地方裁决、边境控制和持久状态的不同作用。总之，这些结果表明，明确的发现状态可以将探索与证据校准的主张形成结合起来。我们的代码发布于\href{https://github.com/SUSTech-GenAI/StatefulDiscovery.git}{https://github.com/SUSTech-GenAI/StatefulDiscovery.git}。

StatefulDiscovery：开放式科学发现中经证据校准的声明形成：论文配图
图 2：StatefulDiscovery 概述。 (a) 初始化使用数据集、指令和预算来显示候选模式并对其进行优先级排序。 (b) 框架将发现状态具体化为有状态循环中的持久对象：在 L1 边界控制下，代理选择一个方向；在主动调查中，它维持假设，运行可执行分析，并使用 L2 裁决来评估证据、校准索赔置信度、评估调查状态并确定后续步骤。 (c) 代理返回结构化声明、发现跟踪和汇总报告。