LLM 看到好假设时能识别出来吗？基于 Logit 的能量评分在科学假设排序中优于提示式 LLM-as-Judge

英文标题：Do LLMs Know a Good Hypothesis When They See One? Logit-Based Energy Scoring Outperforms Prompted LLM-as-Judge for Scientific Hypothesis Ranking

论文 arXiv:2608.17270v1 探讨如何评估由大语言模型（LLM）生成的科学假设，以提升 AI 辅助科研流程的可信度。作者指出，LLM 正越来越多地用于科学假设生成，但对生成假设进行可靠评估仍是一项挑战。论文标题表明，基于 Logit 的能量评分方法在科学假设排序任务中优于通过提示词驱动的 LLM-as-Judge 方法。这一结果可能为开发者构建更可靠、可扩展的科学发现与假设筛选工作流提供新的评估思路。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB