hypothesis-generation

本文介绍了条件假设生成（Conditional Hypothesis Generation），这是一个结合研究者指定协变量的框架，用于引导基于LLM的文本分析发现有意义的子组差异，同时解决诸如层不平衡和符号反转等混杂因素。

HypoAgent是一种面向知识图谱的交互式溯因假设生成的智能体框架，集成了三个智能体以处理不断变化的用户意图和细粒度诊断，实现了最先进的性能。

LLM-AutoSciLab是一个闭环框架，利用LLM迭代生成假设、选择信息量大的实验并优化机制，在物理和生物学基准测试上相比之前的静态方法实现了更高的准确性和样本效率。

本文介绍了Multi-Persona Debate System（MPDS），这是一个基于文献的框架，利用大语言模型、角色归纳和结构化多智能体辩论来自动生成科学假设。在电池材料研究中的评估表明，该框架提高了假设质量并实现了跨视角整合。

两款AI驱动的科学助手——谷歌的Co-Scientist和FutureHouse的Robin——能够生成假设并分析生物数据以进行药物重定位，帮助研究人员发现跨科学领域的非直观关联。

Google DeepMind 推出了 Co-Scientist，这是一个利用多智能体“创意锦标赛”来生成、辩论和评估针对开放挑战的研究假设的系统。

该论文提出了一种可扩展的监督微调方法，用于训练语言模型跨学科提出科研假设，已被ICML 2026接收，代码已开源。

DeepMind的Co-Scientist人工智能系统帮助爱丁堡大学的研究人员生成了一种新颖且经过实验验证的假说，将NLRP3炎症小体与药物resmetirom在MASH肝病中的作用机制联系起来，可能有助于实现靶向联合治疗。

Google DeepMind 推出 Co-Scientist，这是一个基于 Gemini 构建的多智能体AI系统，能够生成、辩论并演化科学假设以加速研究，该成果发表于《自然》杂志。

Google DeepMind's Co-Scientist is a multi-agent AI system that acts as a virtual team of scientists to search literature, generate hypotheses, and design experiments, compressing months of research into days and already yielding new scientific discoveries.