AI-translated from English; not yet reviewed by a fluent editor.

# 一种让不确定性保持可见的科学假设搜索方法

> 一篇新论文按统计认证、与背景知识的契合度和简洁性对候选解释排序，并在合成任务和基于数据集的任务中测试这种方法的表现。

By BIG CHANGE Editorial

Published: 2026-10-10T09:19:56.532Z
Updated: 2026-10-10T09:19:56.532Z
Canonical: https://bigchange.ai/blog/possibility-frontier-search-scientific-hypotheses

![Two subtly different mineral inclusions share a fractured stone slab, with a narrow beam of light revealing their boundary.](https://bigchange.ai/api/media/file/possibility-frontier-states-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE; mineral forms and light are metaphorical, not a reported experiment.

一篇新论文提出一种方法，可在证据不断积累、候选解释列表不断增长时为解释排序。该方法称为 Possibility Frontier Search，优先考虑统计认证，其次是与背景知识的兼容性，最后是简洁性。这样的顺序旨在防止一个诱人却缺乏支持的解释，仅仅因为符合先前预期就胜出。

这项工作是一个框架和算法，并非系统取得科学发现的报告。Anita Yang 与四位共同作者于 2026 年 10 月 8 日以 arXiv v1 版本发表论文。论文结合了在明确假设下的形式化结果、一项受控合成实验，以及对两个真实世界数据集的探索性测试。

## 重大变化

- **变化内容：** 论文提出 Possibility Frontier Search，按统计认证、背景兼容性和简洁性对不断扩大的假设集合排序。
- **为何重要：** 对于评估 AI 生成解释的研究人员，该方法将统计支持与先验知识下的合理性分开，并仅在平局时使用具体程度作为决胜标准。这表明排序何处反映证据、何处反映固定的背景模型。形式化结果是有条件的；两个数据集案例研究是作者报告的探索性评估。
- **关注事项：** 方法结论取决于生成器能提出什么、如何将主张转化为可检验集合，以及固定背景模型的拟合程度。预印本未报告已部署的发现或独立复现。

## 可能性不等于概率

论文使用可能性理论表示哪些状态尚未被排除。可能性得分为 1 并不表示某个假设为真的概率是 100%。它表示证据尚未排除该假设。当信息薄弱时，一个主张及其反面都可能仍然成立。

这种区分使作者能够表示尚未解决的不确定性，而不必强迫系统在相互竞争的解释之间分配固定总量的概率。他们从序贯 e-process 构造证据可能性；这是一种统计证据形式，旨在当数据收集和停止决策随时间调整时仍保持有效。

在选定的错误阈值下，该方法维护一个版本空间：累积证据尚未排除的参数状态集合。它据此标记候选假设。如果某假设不包含任何剩余状态，它就被反驳。如果它包含部分但非全部剩余状态，则仍处于开放状态。当版本空间非空、其中每个剩余状态都落在该假设内，且该假设是完整状态空间的真子集时，该假设获得认证。最后一个条件排除了包含所有可能状态的同义反复主张。

在论文的模型假设下，这会产生时间一致的保证：任何虚假候选在任何时点获得认证的概率，都被所选错误水平限制。该保证考虑了自适应证据，以及利用同一累积记录生成的候选。它适用于主张的形式化、可检验表示，不适用于未经编码和检验的额外因果或机制性表述。

## 依次进行的三项测试

排序按字典序进行，因此后面的偏好不能推翻前面的偏好。

1. **统计认证。** 候选必须通过证据检验。仍然只是开放状态的假设不能排在已认证假设之前。
2. **与背景知识的兼容性。** 在已认证候选中，该方法偏好保证可能性最高者。其得分是该假设允许的所有状态中最低的背景兼容性数值。作者将此解释为：尽量减少为容纳该主张而需要改变固定背景轮廓的程度。这是候选层面的比较，并非自动修订科学知识。
3. **简洁性。** 如果候选在这些测试中并列，该方法偏好代表较少状态的假设。在这种形式化中，较少状态意味着主张更具体。

顺序很重要。简洁性无法挽救未通过认证的主张，先验契合也不算证据。背景得分也不意味着某个假设很可能为真：它衡量的是该假设与选定背景模型的兼容程度。

## 搜索前沿

Possibility Frontier Search 在提出假设和选择实验之间交替进行。其生成器根据背景知识、累积数据、存留状态和早期候选提出候选。该方法保留尚未被反驳的候选。

随后，它把实验精力集中在可能改善当前最佳结果的开放假设上：背景兼容性更好的候选，或兼容性相同但更简洁的候选。对每个这类假设，“前沿”由其主张两侧的存留状态对组成。下一项实验会利用模型对结果差异的预期，尽可能区分当前最难区分的活跃状态对。在有限情形下，作者将这一选择描述为可用线性规划求解的优化问题。

论文还给出了停止证书。当没有已知开放候选能够改善排序，且最佳已认证效用与可达效用上界之间的差距不超过选定容差时，算法可以停止。达到该证书并不保证搜索会在有限时间内终止；作者明确指出了这一点。

形式化的恢复结果是有条件的。其定理假设包括：有限的状态和行动空间、能够区分不同状态的实验、基于似然比的证据构造、近最优目标具有正分离条件，以及假设生成器提出可认证近最优候选的概率非零。在这些条件下，该界会趋近于恢复一个可达的 epsilon 最优假设。“可达”很重要：结果针对生成器能够产生的假设，而非所有可能存在的解释。

## 实验涵盖什么

受控实验采用一个状态已知的合成环境。研究人员将状态空间离散为 1,540 个参数状态，定义 44 个可达假设，并刻意从一个不包含任何真实假设的候选集合开始。他们报告称，该方法扩大了集合、认证了一个真实候选，并提高了其溯因效用。比较基线包括限制在初始集合内的最大似然和最大后验选择，以及采用扩展搜索的 AutoDiscovery。合成结果是八个随机种子的平均值。

真实世界部分使用两个 DiscoveryBench 数据集：Incarceration 和 SES。研究人员围绕数据集中的关系提出问题，从五个自然语言假设及其逻辑补集开始，并通过对 16 个数据折叠进行测量查询，评估一组固定的人群数量。他们使用 GPT-5 生成并评估自然语言假设，并将该方法与 AutoDiscovery 比较。报告指标包括由 LLM 判断的假设匹配分数、溯因效用和假设基数。论文报告称，在两种情形中，该方法最终在前两项指标上得分更高，在基数上更低。

这些真实数据结果属于探索性案例研究。作者指出，测试是近似的，且该设置下尚未建立精确的 anytime-validity 和恢复保证。由于环境的行动空间和背景轮廓固定，该方法所谓的“开放式”搜索是在此设置内扩展假设集合。它不会扩展所测量的状态空间，也不会在线修订背景知识。论文还警告，设定错误或校准不佳的背景模型可能使方法偏向某些假设。

这些实验展示了所提排序和搜索在一种合成构造和两项基于数据集的任务中的表现。它们没有证明存在独立复现的发现、已部署的研究代理，也没有产生关于监禁、社会经济地位或其他领域的新科学结果。论文提供了一种明确自动假设排序背后假设的方法。该研究并未证明这些假设和组成部分在开放科学实践中可靠。

## 来源与延伸阅读

- [Yang 等，《Open-ended Scientific Discovery with Possibilistic Reasoning》，arXiv:2610.11289v1](https://arxiv.org/html/2610.11289v1)。提交于 2026 年 10 月 8 日。全文包含定义、命题、恢复定理、算法、实验方法、局限和附录。本文报告的所有发现均为作者在该版本中的结果。
- [arXiv 摘要和版本历史](https://arxiv.org/abs/2610.11289v1)。确认标题、作者记录、摘要和 v1 提交时间戳。
- [Ramdas 和 Wang，《Hypothesis testing with e-values》](https://doi.org/10.1561/3600000002)。介绍论文引用的 anytime-valid 检验方法背景。
- [Agarwal 等，《AutoDiscovery: Open-ended Scientific Discovery via Bayesian Surprise》](https://proceedings.neurips.cc/paper_files/paper/2025/hash/23b127521af7ca7a42f5cdb7507be4f2-Abstract-Conference.html)。论文讨论的比较方法；此处引用用于提供背景，并非对新工作的独立评估。

## Sources

- [Yang 等：Open-ended Scientific Discovery with Possibilistic Reasoning，arXiv v1](https://arxiv.org/html/2610.11289v1) — 主要来源，固定为 arXiv v1，涵盖定义、算法、假设、定理、合成模拟、真实世界数据集探索性实验及声明的局限。认证假设要求存留状态集合非空，且为完整状态空间的真子集。结果由作者报告；没有独立复现或部署证据。
- [2610.11289v1 的 arXiv 摘要及提交记录](https://arxiv.org/abs/2610.11289v1) — 确认标题、作者、摘要和 v1 提交时间戳。
- [Ramdas 和 Wang：Hypothesis testing with e-values](https://doi.org/10.1561/3600000002) — 介绍论文引用的 anytime-valid 检验方法背景。
- [Agarwal 等：AutoDiscovery: Open-ended Scientific Discovery via Bayesian Surprise](https://proceedings.neurips.cc/paper_files/paper/2025/hash/23b127521af7ca7a42f5cdb7507be4f2-Abstract-Conference.html) — 论文讨论的 AutoDiscovery 基线在 NeurIPS 2025 的准确会议记录；不是对新工作的独立评估。