论文页面 - SHELDON：通过假设与观察空间上的双重搜索进行推理

来源：https://huggingface.co/papers/2610.18025

摘要

测试时扩展使大语言模型能够解决日益复杂的推理、发现和优化任务。然而，现有方法往往在为当前假设寻找证据时收集观察结果，然后根据这些假设及其相关证据生成新假设。这使观察结果的发现与现有假设绑定在一起，偏向局部改进，而非探索未知的假设区域。受假设演绎法（Hempel，1945）和科学发现的双空间模型（Klahr & Dunbar，1988）启发，我们提出了 SHELDON，这是一个科学推理框架，分别表示假设空间和观察空间，并对两者进行联合探索。通过主动寻找新的观察结果和新假设，SHELDON 能够发现当前假设无法解释的观察结果。这些无法解释的观察结果揭示了其理解中的缺口，推动新的探究，并引导生成超越现有假设改进范畴的新假设。在诊断、抽象推理和优化基准测试中，SHELDON 比所评估的基线方法最多高出 26.7 个百分点。进一步分析表明，SHELDON 生成的新颖解决方案数量最多可达基线方法的 4.5 倍。

查看 arXiv 页面 (https://arxiv.org/abs/2610.18025)查看 PDF (https://arxiv.org/pdf/2610.18025)项目页面 (https://sheldon.genie.stanford.edu/)GitHub0 (https://github.com/stanford-oval/sheldon)添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2610.18025)

在你的智能体中获取这篇论文：

hf papers read 2610\.18025

还没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型关联此论文

在模型的 README.md 中引用 arxiv.org/abs/2610.18025，即可从此页面链接到该模型。

引用此论文的数据集0

没有数据集关联此论文

在数据集的 README.md 中引用 arxiv.org/abs/2610.18025，即可从此页面链接到该数据集。

引用此论文的 Space0

没有 Space 关联此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2610.18025，即可从此页面链接到该 Space。

收录此论文的合集0

没有合集收录此论文

将此论文添加到一个合集 (https://huggingface.co/new-collection)，即可从此页面链接到该合集。