跳到正文
arXiv · ML· Shigeru Obayashi, Yoshiaki Kawagoe, Kazuhiko Komatsu, Tomonaga Okabe·· 9 小时前AI 评分38

科学发现的流形知识优化:基于多目标搜索的框架

Knowledge Manifold Optimization for Scientific Discovery

AI 导读

提出知识流形优化(KMO),将科学发现视为连续知识空间上的多目标搜索。 在99篇空气动力学文献上验证,21x21网格产出19个帕累托最优解,其中16个形成实用前沿。 证明“空白”本身不足,需结合新颖性与证据支持,并通过受限LLM生成假设。

来源:arXiv · ML · arxiv.org