**基于并行退火的LLM多样化科学假设搜索方法**

_Towards Diverse Scientific Hypothesis Search with Large Language Models_

> 大型语言模型在加速科学发现中面临假设搜索多样性坍塌的问题。本文将其形式化为采样问题，提出受并行退火启发的进化框架，通过多温度搜索与信息交换，在固定验证预算下同时提升假设质量与多样性，并在分子、方程、算法发现等任务中验证了有效性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-11 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.10587)