Markdown 版本

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

# 一種讓不確定性保持可見的科學假設搜尋方法

> 一篇新論文依統計認證、與背景知識的契合度及簡潔性排列候選解釋，接著測試此方法在合成任務和資料集任務中的表現。

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.

一篇新論文提出一種方法，在證據累積、候選解釋清單擴大的同時排列解釋。這個名為 Possibility Frontier Search（可能性前沿搜尋）的方法，依序優先考量統計認證、與背景知識的相容性，再考量簡潔性。此順序旨在避免某個討喜但缺乏支持的解釋，只因符合先前預期就勝出。

這項工作提出的是框架與演算法，不是某個系統完成科學發現的報告。Anita Yang 與四位共同作者於 2026 年 10 月 8 日以 arXiv v1 發表論文。內容結合明確假設下的形式結果、受控合成實驗，以及對兩個真實世界資料集的探索性測試。

## 重大變化

- **變化內容：** 論文提出 Possibility Frontier Search，依統計認證、背景相容性及簡潔性排列不斷擴大的假設集合。
- **重要性：** 對評估 AI 生成解釋的研究人員而言，這種方法將統計支持與先驗知識下的合理性分開，並僅在平手時以特定性作為決勝因素。這能顯示排名何處反映證據、何處反映固定的背景模型。形式結果有條件限制；兩項資料集案例研究是作者回報的探索性評估。
- **觀察重點：** 方法的結論取決於生成器能提出什麼、如何將主張轉換為可測試集合，以及固定背景模型的適配程度。預印本沒有報告已部署的發現系統或獨立複現。

## 可能性不等於機率

論文以可能性理論表示哪些狀態尚未被排除。可能性分數為 1，不代表假設有 100% 機率為真，而是表示證據尚未排除它。資訊薄弱時，某項主張及其反面都可能仍然成立。

這項區分讓作者能表示尚未解決的不確定性，而不必迫使系統在相互競爭的解釋間分配固定總量的機率。他們利用序列 e-processes 建構證據可能性；這是一種統計證據形式，設計上可在資料收集及停止決策隨時間調整時維持有效性。

在選定的錯誤門檻下，方法維持一個版本空間：也就是累積證據尚未排除的參數狀態集合。它依候選假設與該集合的關係來標記假設。若假設不包含任何剩餘狀態，就屬於被反駁；若包含部分但非全部剩餘狀態，則維持開放；若版本空間非空、其中每個剩餘狀態都落在假設內，而且該假設是完整狀態空間的真子集，則為已認證。最後一項條件排除涵蓋所有可能狀態的同義反覆主張。

在論文的模型假設下，這會產生時間一致的保證：任何錯誤候選假設在任何時點被認證的機率，上限為所選錯誤水準。此保證納入自適應證據，以及使用同一累積紀錄生成的候選假設。它適用於主張的形式化、可測試表示，不涵蓋尚未編碼並測試的額外因果或機制性描述。

## 三項測試，依序進行

此排序採字典序，因此後面的偏好不能推翻前面的偏好。

1. **統計認證。** 候選假設必須通過證據檢驗。僅維持開放的假設，不能勝過已認證的假設。
2. **與背景知識相容。** 在已認證的候選假設中，方法偏好保證可能性最高者。此分數是該假設允許的所有狀態中，背景相容性數值的最低值。作者將其解讀為：為了容納該主張，固定背景輪廓至少需要改變多少。這是候選層級的比較，不是自動修訂科學知識。
3. **簡潔性。** 若候選假設在上述測試中打平，方法偏好代表較少狀態的假設。在此形式化中，狀態較少表示主張更具體。

這個順序很重要。簡潔性無法挽救未通過認證的主張，與先前知識契合也不算證據。背景分數也不代表假設很可能為真：它衡量的是在所選背景模型下的相容性。

## 搜尋前沿

Possibility Frontier Search 交替提出假設並選擇實驗。其生成器根據背景知識、累積資料、存活狀態和先前候選假設提出新候選。方法保留尚未被反駁的候選。

接著，它將實驗資源集中在可能改善目前最佳結果的開放假設上：背景相容性更佳的候選，或相容性相同但更簡潔的候選。對每個此類假設而言，「前沿」由位於其主張兩側的一對存活狀態構成。接下來的實驗會盡可能區分最難辨別的有效狀態對，並使用模型預期的結果差異來選擇。在有限情境中，作者將此選擇描述為可用線性規劃求解的最佳化問題。

論文也提出停止證明：當沒有已知的開放候選能改善排名，且最佳已認證效用與可達效用上限之間的差距不超過所選容忍值時，演算法即可停止。作者明確指出，達到此證明並不保證搜尋能在有限時間內終止。

形式上的復原結果具有條件限制。該定理假設，包括有限的狀態與行動空間、能區分不同狀態的實驗、似然比證據建構、近乎最佳目標的正向分離條件，以及具有非零機率提出可認證近乎最佳候選假設的生成器。在這些條件下，該界限逐漸接近復原一個 ε 最佳且可達的假設。「可達」一詞很重要：結果針對生成器能提出的假設，而非任何可能存在的解釋。

## 實驗涵蓋範圍

受控實驗使用一個狀態已知的合成環境。研究人員將狀態空間離散化為 1,540 個參數狀態，定義 44 個可達假設，並刻意讓初始候選集合不含任何真實假設。他們報告此方法擴大了集合、認證了一項真實候選假設，並提升其溯因效用。比較基準包括只限於初始集合的最大概似與最大後驗機率選擇，以及採用擴張式搜尋的 AutoDiscovery。合成結果是八個隨機種子的平均值。

真實世界部分使用兩個 DiscoveryBench 資料集：Incarceration 與 SES。研究人員針對資料集中的關係提出問題，從五個自然語言假設及其邏輯補集開始，並透過 16 個資料折次的測量查詢評估一組固定的母體量。他們使用 GPT-5 生成並評估自然語言假設，再將方法與 AutoDiscovery 比較。回報指標包括由大型語言模型判斷的假設匹配分數、溯因效用和假設基數。論文報告指出，在兩個案例中，該方法最終前兩項分數較高、基數較低。

這些真實資料結果是探索性案例研究。作者指出，測試屬近似性質，且此設定尚未建立精確的時間有效性與復原保證。環境的行動空間和背景輪廓固定，因此方法所稱的「開放式」搜尋是在該設定內擴大假設集合；它不會擴大測量狀態空間，也不會在線上修訂背景知識。論文還提醒，設定錯誤或校準不佳的背景模型可能使方法偏向某些假設。

這些實驗展示了所提排名與搜尋方法在一個合成建構和兩項資料集任務中的表現。它們並未證明有獨立複現的發現、已部署的研究代理，或關於監禁、社會經濟地位或其他領域的新科學成果。論文提供一種明確呈現自動化假設排名所依賴假設的方法。研究並未證明這些假設與組成部分在開放式科學實踐中可靠。

## 來源與延伸閱讀

- [Yang 等人，〈以可能性推理進行開放式科學探索〉，arXiv:2610.11289v1](https://arxiv.org/html/2610.11289v1)。提交日期為 2026 年 10 月 8 日。全文包含定義、命題、復原定理、演算法、實驗方法、限制及附錄。本文所報告的所有發現均為作者基於此版本得出的結果。
- [arXiv 摘要與版本歷史](https://arxiv.org/abs/2610.11289v1)。確認標題、作者資訊、摘要及 v1 提交時間戳。
- [Ramdas 與 Wang，〈以 e-values 進行假設檢定〉](https://doi.org/10.1561/3600000002)。介紹論文引用的時間有效檢定方法背景。
- [Agarwal 等人，〈AutoDiscovery：透過貝葉斯驚奇度進行開放式科學探索〉](https://proceedings.neurips.cc/paper_files/paper/2025/hash/23b127521af7ca7a42f5cdb7507be4f2-Abstract-Conference.html)。論文討論的比較方法；此處引用作為背景，並非對新研究的獨立評估。

## Sources

- [Yang 等人，《Open-ended Scientific Discovery with Possibilistic Reasoning》，arXiv v1](https://arxiv.org/html/2610.11289v1) — 主要來源，固定採用 arXiv v1，涵蓋定義、演算法、假設、定理、合成模擬、真實世界資料集探索性實驗及明示限制。已認證假設須有非空的存活狀態集合，且該集合須為完整狀態空間的真子集。結果由作者回報；沒有獨立複現或部署證據。
- [arXiv 摘要與 2610.11289v1 提交歷史](https://arxiv.org/abs/2610.11289v1) — 確認標題、作者、摘要及 v1 提交時間戳。
- [Ramdas 與 Wang，《Hypothesis testing with e-values》](https://doi.org/10.1561/3600000002) — 論文引用的時間有效檢定方法背景。
- [Agarwal 等人，《AutoDiscovery: Open-ended Scientific Discovery via Bayesian Surprise》](https://proceedings.neurips.cc/paper_files/paper/2025/hash/23b127521af7ca7a42f5cdb7507be4f2-Abstract-Conference.html) — AutoDiscovery 是論文討論的比較基準；此為 NeurIPS 2025 的確切會議紀錄，並非對新研究的獨立評估。