字典，而不是达尔文：在科学方程发现中，集合级选择击败了 LLM 进化

大语言模型 越来越多地用作科学发现的进化引擎：产生候选者，选择获胜者，将他们反馈为父母，然后重复。我们审核这个循环是否实际上复合了科学方程发现中的发现，在这种情况下，有限的样本使得结构不确定并且插值变得容易。在匹配的 LLM 调用预算下，父条件进化与新的独立采样无法区分：中值 OOD NMSE 为 0.045 与 0.049，指示的多父交叉更差，最终成功由初始提案质量预测，并且多个迭代方案无法添加已解决的问题。在操作上，循环简化为它生成的内容：候选术语的字典。我们将这种诊断转化为 PTB-Search，这是一种用于组件化科学发现的一代方法。 PTB-Search 对独立的 LLM 提案进行一次采样，将可重用术语提取到每个问题的字典中，并使用最小二乘系数执行仅训练集级别的稀疏选择。其核心原则是，不确定的数据识别术语集的联合行为，而不是可靠的每术语信用。在相同的字典和零额外的 LLM 调用上，集合级选择器解决 717 个单元格中的 165--169 个，而单项缩减仅解决 74--78 个。在官方的 239 个问题 LLM-SRBench 拆分中，PTB-Search 使用 Llama-3.1-8B 达到了 73.2% Acc0.1，使用单种子 DeepSeek-V4 锚点达到了 77.0%，而使用标准化呼叫预算的十分之一，则最佳报告基线达到了 49.2%。程序域压力测试给出了一个范围边界：生成计数仍然不可靠，而保留的外部状态可以在更困难的非线性空间中提供帮助。从这些结果来看，LLM 最好被理解为材料供应商；发现是通过可重用组件的外部集级别选择来实现的。