检索策略显著改变大模型科研想法的多样性。
资讯摘要
论文研究检索策略本身如何影响大模型生成的科研想法。作者在统一生成协议下比较五种检索策略与无文献基线，覆盖15个机器学习主题、4.5万条想法和十个开放权重模型。结果显示，同一批论文内部想法多样性下降5.6%–17.9%，不同论文集合汇总时多数策略多样性提升10.2%–18.1%；对质量与新颖性影响平均不大但随主题变化。基于JSD的归因方法显示，79.3%的想法中仅一两篇论文在动机、核心想法、方法和验证四部分获得最高归因分。
要点速读
- 比较五种检索策略与无文献基线，使用15个主题、4.5万条想法和十个开放权重模型。
- 同一论文集内想法多样性下降5.6%–17.9%，跨集合汇总时多数策略提升10.2%–18.1%。
- 79.3%的想法中仅一两篇论文在四个部分获得最高归因分，来源归因更多样的组想法更多样（r=0.70）。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。