Ein neues Paper schlägt eine Methode vor, um Erklärungen zu ordnen, während sich die Evidenz ansammelt und die Liste möglicher Erklärungen wächst. Die Methode Possibility Frontier Search priorisiert statistische Zertifizierung, danach die Vereinbarkeit mit Hintergrundwissen und schließlich Einfachheit. Diese Reihenfolge soll verhindern, dass eine attraktive, aber unbelegte Erklärung allein deshalb gewinnt, weil sie zu vorherigen Erwartungen passt.

Die Arbeit ist ein Rahmenwerk und ein Algorithmus, kein Bericht über ein System, das eine wissenschaftliche Entdeckung gemacht hat. Anita Yang und vier Mitautoren veröffentlichten das Paper am 8. Oktober 2026 als arXiv v1. Es verbindet formale Ergebnisse unter angegebenen Annahmen mit einem kontrollierten synthetischen Experiment und explorativen Tests an zwei realen Datensätzen.

Die große Veränderung

  • Was sich geändert hat: Das Paper schlägt Possibility Frontier Search vor, das wachsende Hypothesensets nach statistischer Zertifizierung, Vereinbarkeit mit Hintergrundwissen und Einfachheit ordnet.
  • Warum das wichtig ist: Für Forschende, die KI-generierte Erklärungen bewerten, trennt es statistische Unterstützung von Plausibilität aufgrund bisherigen Wissens und nutzt Spezifität nur als Entscheidung bei Gleichstand. So wird sichtbar, wo eine Rangfolge Evidenz widerspiegelt und wo das feste Hintergrundmodell. Das formale Ergebnis gilt nur unter Bedingungen; die beiden Datensatz-Fallstudien sind explorative, von den Autoren berichtete Auswertungen.
  • Worauf zu achten ist: Die Schlussfolgerungen der Methode hängen davon ab, welche Vorschläge ihr Generator machen kann, wie Aussagen in prüfbare Mengen übersetzt werden und wie gut das feste Hintergrundmodell passt. Das Preprint berichtet weder von einer umgesetzten Entdeckung noch von einer unabhängigen Replikation.

Möglichkeit ist keine Wahrscheinlichkeit

Das Paper verwendet die Möglichkeitstheorie, um darzustellen, welche Zustände noch nicht ausgeschlossen wurden. Ein Möglichkeitswert von 1 bedeutet nicht, dass eine Hypothese mit 100 Prozent Wahrscheinlichkeit wahr ist. Er bedeutet, dass die Evidenz sie nicht ausgeschlossen hat. Bei schwacher Informationslage können sowohl eine Behauptung als auch ihr Gegenteil möglich bleiben.

Diese Unterscheidung ermöglicht es den Autoren, ungelöste Unsicherheit darzustellen, ohne das System zu zwingen, eine feste Gesamtwahrscheinlichkeit auf konkurrierende Erklärungen zu verteilen. Sie konstruieren eine evidenzbasierte Möglichkeit aus sequenziellen e-Prozessen, einer Form statistischer Evidenz, die auch dann gültig bleiben soll, wenn sich Datenerhebung und Abbruchentscheidungen im Zeitverlauf anpassen.

Bei einer gewählten Fehlerschwelle hält die Methode einen Versionsraum aufrecht: die Menge der Parameterzustände, die durch die angesammelte Evidenz nicht ausgeschlossen wurden. Kandidatenhypothesen werden in Bezug auf diese Menge eingeordnet. Eine Hypothese ist widerlegt, wenn sie keinen verbleibenden Zustand enthält. Sie bleibt offen, wenn sie einige, aber nicht alle verbleibenden Zustände enthält. Sie ist zertifiziert, wenn der Versionsraum nicht leer ist, jeder darin verbleibende Zustand innerhalb der Hypothese liegt und die Hypothese eine echte Teilmenge des gesamten Zustandsraums ist. Die letzte Bedingung schließt die tautologische Behauptung aus, die jeden möglichen Zustand umfasst.

Unter den Modellannahmen des Papers ergibt sich eine zeituniforme Garantie: Die Wahrscheinlichkeit, dass zu irgendeinem Zeitpunkt ein falscher Kandidat zertifiziert wird, ist durch das gewählte Fehlerniveau begrenzt. Die Garantie berücksichtigt adaptive Evidenz und Kandidaten, die anhand derselben angesammelten Aufzeichnungen erzeugt wurden. Sie gilt für die formale, prüfbare Darstellung einer Behauptung, nicht für zusätzliche kausale oder mechanistische Formulierungen, die weder kodiert noch getestet wurden.

Drei Prüfungen, in dieser Reihenfolge

Die Rangfolge ist lexikografisch; eine spätere Präferenz kann daher eine frühere nicht überstimmen.

  1. Statistische Zertifizierung. Der Kandidat muss den Evidenztest bestehen. Eine Hypothese, die lediglich offen bleibt, kann eine zertifizierte nicht übertreffen.
  2. Vereinbarkeit mit Hintergrundwissen. Unter den zertifizierten Kandidaten bevorzugt die Methode denjenigen mit der höchsten garantierten Möglichkeit. Der Wert ist die niedrigste Vereinbarkeit mit dem Hintergrundwissen unter allen Zuständen, die die Hypothese zulässt. Die Autoren verstehen das als Minimierung der Änderung, die an der festen Hintergrundkontur nötig wäre, um die Behauptung aufzunehmen. Es ist ein Vergleich auf Kandidatenebene und keine automatische Revision wissenschaftlichen Wissens.
  3. Einfachheit. Bei Gleichstand in diesen Prüfungen bevorzugt die Methode die Hypothese, die weniger Zustände darstellt. In dieser Formalisierung bedeutet eine geringere Zahl von Zuständen eine spezifischere Behauptung.

Die Reihenfolge ist wichtig. Einfachheit rettet keine Behauptung, die an der Zertifizierung gescheitert ist, und die Übereinstimmung mit Vorwissen zählt nicht als Evidenz. Auch bedeutet der Hintergrundwert nicht, dass eine Hypothese wahrscheinlich wahr ist: Er misst die Vereinbarkeit mit dem gewählten Hintergrundmodell.

Suche an der Front

Possibility Frontier Search wechselt zwischen dem Vorschlagen von Hypothesen und der Auswahl von Experimenten. Der Generator schlägt Kandidaten aus dem Hintergrundwissen, den angesammelten Daten, den überlebenden Zuständen und früheren Kandidaten vor. Die Methode behält Kandidaten bei, die noch nicht widerlegt wurden.

Anschließend konzentriert sie den experimentellen Aufwand auf offene Hypothesen, die das derzeit beste Ergebnis verbessern könnten: einen Kandidaten mit besserer Vereinbarkeit mit dem Hintergrundwissen oder einen gleich gut passenden, aber einfacheren. Für jede solche Hypothese besteht die „Front“ aus Paaren überlebender Zustände auf gegenüberliegenden Seiten ihrer Behauptung. Das nächste Experiment soll das am schwersten unterscheidbare aktive Paar möglichst stark trennen, anhand der vom Modell erwarteten Abweichung zwischen den Ergebnissen. In endlichen Situationen beschreiben die Autoren diese Auswahl als Optimierung, die sich als lineares Programm lösen lässt.

Das Paper liefert außerdem ein Abbruchzertifikat. Der Algorithmus kann stoppen, wenn kein bekannter offener Kandidat die Rangfolge verbessern könnte und die Differenz zwischen dem besten zertifizierten Nutzen und einer oberen Schranke für den erreichbaren Nutzen höchstens eine gewählte Toleranz beträgt. Das Erreichen dieses Zertifikats garantiert nicht, dass die Suche in endlicher Zeit endet; die Autoren sagen dies ausdrücklich.

Das formale Ergebnis zur Wiedergewinnung gilt nur unter Bedingungen. Der Satz setzt unter anderem einen endlichen Zustands- und Aktionsraum, Experimente zur Unterscheidung verschiedener Zustände, eine Evidenzkonstruktion mit Likelihood-Ratios, eine positive Trennungsbedingung für ein nahezu optimales Ziel sowie einen Hypothesengenerator voraus, der mit einer von null verschiedenen Wahrscheinlichkeit einen zertifizierbaren, nahezu optimalen Kandidaten vorschlägt. Unter diesen Bedingungen nähert sich die Schranke der Wiedergewinnung einer erreichbaren epsilon-optimalen Hypothese. „Erreichbar“ ist wichtig: Das Ergebnis betrifft Hypothesen, die der Generator erzeugen kann, nicht jede denkbare Erklärung.

Was die Experimente abdecken

Das kontrollierte Experiment verwendet eine synthetische Umgebung mit bekanntem Zustand. Die Forschenden unterteilen den Zustandsraum in 1.540 Parameterzustände, definieren 44 erreichbare Hypothesen und beginnen bewusst mit einem Kandidatenset ohne wahre Hypothese. Laut Bericht erweitert die Methode das Set, zertifiziert einen wahren Kandidaten und verbessert dessen abduktiven Nutzen. Zu den Vergleichsverfahren zählen Maximum-Likelihood- und Maximum-a-posteriori-Auswahl, beschränkt auf das anfängliche Set, sowie AutoDiscovery mit einer sich erweiternden Suche. Die synthetischen Ergebnisse sind Mittelwerte aus acht Zufalls-Seeds.

Der Realweltteil verwendet zwei DiscoveryBench-Datensätze: Incarceration und SES. Die Forschenden formulieren Fragen zu Zusammenhängen in diesen Datensätzen, beginnen mit fünf natürlichsprachlichen Hypothesen und ihren logischen Gegenstücken und bewerten eine feste Menge von Populationsgrößen anhand von Messabfragen über 16 Daten-Folds. Sie verwenden GPT-5, um natürlichsprachliche Hypothesen zu erzeugen und zu bewerten, und vergleichen ihre Methode mit AutoDiscovery. Zu den berichteten Kennzahlen gehören ein von einem LLM bewerteter Hypothesen-Übereinstimmungswert, abduktiver Nutzen und Hypothesenkardinalität. Das Paper berichtet, dass die Methode in beiden Fällen schließlich bei den ersten beiden Kennzahlen höher und bei der Kardinalität niedriger abschneidet.

Diese Ergebnisse mit realen Daten sind explorative Fallstudien. Die Autoren erklären, dass die Tests näherungsweise sind und für diesen Aufbau keine exakten Anytime-Validity- und Wiedergewinnungsgarantien nachgewiesen wurden. Aktionsraum und Hintergrundkontur der Umgebung sind festgelegt; die „offene“ Suche der Methode erweitert daher das Hypothesenset innerhalb dieses Aufbaus. Sie erweitert weder den gemessenen Zustandsraum noch aktualisiert sie das Hintergrundwissen online. Das Paper warnt außerdem, dass ein falsch spezifiziertes oder schlecht kalibriertes Hintergrundmodell die bevorzugten Hypothesen verzerren kann.

Die Experimente zeigen, wie sich die vorgeschlagene Rangfolge und Suche in einer synthetischen Konstruktion und zwei datensatzbasierten Aufgaben verhalten haben. Sie belegen weder eine unabhängig replizierte Entdeckung noch einen eingesetzten Forschungsagenten oder ein neues wissenschaftliches Ergebnis zu Inhaftierung, sozioökonomischem Status oder einem anderen Fachgebiet. Das Paper bietet eine Möglichkeit, die Annahmen hinter einer automatisierten Hypothesenrangfolge explizit zu machen. Es zeigt nicht, dass diese Annahmen und Komponenten in der offenen wissenschaftlichen Praxis zuverlässig sind.

Quellen und weiterführende Lektüre