先探索，再定论：利用语言模型实现高测量效率的科学定律发现

arXiv:2610.07620v1 公告类型：交叉收录 摘要：科学定律发现需要选择测量方案，并将证据转化为支配方程。我们评估了一种先探索、再定论的流程：由大语言模型提出假设，程序化规划器收集测量数据，再通过全新的提示词，基于固定的观测结果综合得出最终定律。该流程结合了结构化探测、自动数值诊断、受限的测量批次以及可选的解释器访问权限。在 576 次 NewtonBench 试验中，我们使用 GPT-4.1-mini，并通过 GPT-4.1 在中等难度任务上进行复现实验，对比了八种配置在 12 个物理模块上的表现。在中等难度任务中，启用解释器的规划器使 GPT-4.1-mini 每次试验的测量次数从 22.5 次降至 8.6 次，使 GPT-4.1 的测量次数从 43.0 次降至 8.9 次。两者基于幅值的均方根对数误差均值分别从 2.514 降至 0.202，以及从 0.626 降至 0.149。一项额外审查在对覆盖率敏感的分析中保留了不完整和无效的提交结果。观测到的符号准确率提升在各模块间并不一致，而随机采集策略的表现可与分歧评分策略相媲美。所有模块的测量次数均有所减少，但由于批次约束不一致，无法将这些减少完全归因于采集质量。这些结果表明，完整流程是一种有前景的高测量效率配置，但其各组成部分的因果作用，以及在无噪声直接方程任务之外的泛化能力，仍有待明确。