DeFAb：通过可撤销溯因实现有依据的科学发现的数据集

arXiv:2606.18557v2 公告类型：替换交叉版本 摘要：理论可以通过添加例外来容纳反例。更困难的问题在于，确定例外应扩展到何种范围，以及哪些预测应当保留。我们提出 DeFAb，这是一个数据集和符号验证框架，基于 Gene Ontology 中整理的生物学知识构建。模型需要填补理论中的空缺，或为其规则提出例外。验证器会检查每次编辑所产生的后果，从而允许不同的解获得相应认可。简单的符号修复即可解决发布评测集中的全部 336 个任务。这一结果揭示了修正测试的一项局限：与单个实体相关联的例外可以奏效，却不必识别出适用于其他情况的模式。我们开发了一项上下文任务，要求例外能够覆盖相关情况，同时保留其他地方的预测。计划开展的两项研究将分别比较使用经过验证的示例与被拒绝的示例进行训练的效果，以及在有无后果反馈的情况下进行修正的差异。DeFAb 使所提出解释的适用范围变得可检验，为研究科学推理中的理论修正迈出了受控的一步。