论文用三维分解表征支持文献检索与新颖性评估
资讯摘要
论文提出 Ideation Space，将科学知识分解为三个维度并用对比学习训练，用于度量想法间的概念距离与建模构思转换。基于该表征，作者提出分层子空间检索框架和分解式新颖性评估算法，可识别想法中哪些方面新颖。作者报告实验取得 Recall@30 为 0.329（较最强基线提升 16.7%），新颖性评估与专家判断的相关性优于所有开源 LLM 基线（至 70B）。
要点速读
- Ideation Space 将科学知识分解为三个维度，通过对比训练学习，支持细粒度概念距离度量
- 提出分层子空间检索框架用于定向文献检索，以及分解式新颖性评估算法
- 作者报告 Recall@30 达 0.329，较最强基线提升 16.7%；新颖性评估相关性优于至 70B 的开源 LLM 基线
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 2026/10/28 08:00:17（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。