arXiv cs.AI· Tianyu Wu (Project Aether)·· 15 天前AI 评分36
空对照必要但不充分：科学发现与可解释性验收防线的评估研究
Null Controls Are Necessary but Not Sufficient: Evaluating Acceptance Guards for Scientific Discovery and Interpretability
AI 导读
研究指出自动科学发现与可解释性系统的描述性测试易接纳无科学意义的候选方案，仅靠空对照防线并不充分。在 129 个公开混沌系统中，将状态全归零的无效约简仍能在 96% 系统中通过闭合测试；结合 NAR、PAR 和 CAR 综合标准后，基准测试成功接收 24/24 个真实约简并拒绝 72/72 个无效对照。此外，测试在语言与 ESM-2 蛋白质模型及稀疏自编码器中也证实了建立独立验证结果的必要性。
来源：arXiv cs.AI · arxiv.org