HypoEvolve：遗传算法让多智能体 LLM 发现科
来自 arXiv · 期号 2026-09-15
摘要
科学假设的发现通常需要综合证据、评估提案并形成新解释。现有系统将科学智能体与进化搜索结合，但不同协作方式对假设质量的影响尚不明确。 HypoEvolve 将协作过程显式建模为对假设种群的逐代更新。它采用遗传算法协调多个 LLM 智能体，每个智能体负责机制论证、假设检验或证据评估等不同科学角色。每一代中，智能体的判断和提案会重塑假设种群，使得协作效果可以直接被测试。 在 34 种癌症类型上，HypoEvolve 在两项外部指标上均超过六个基线。DepMap 选择性得分为 0.171，最强基线为 0.115。在未参与训练的癌症类型上，其增益也能泛化。 论文附了开源代码。