标签
本文介绍了因子化假设搜索（Factorized Hypothesis Search, FHS），一种在输入提供间接上下文证据（如表格单元格或临床笔记）时从大型分类法中检索概念的方法。FHS 在金融分类法标注和 CodiEsp 临床编码任务上取得了优异结果，在 Recall@1、MRR 和准确率方面均优于非 oracle 基线方法。
本文通过引入基于证据的非平稳信念，解决了基于LLM的科学发现中静态惊奇度的局限性，并提出了信念更新过滤和多样性最大化来改进发现，在五个领域实现了30.62%更高的非平稳惊奇度。