12:02
官方账号arXiv cs.AI@Yuto Suzuki, Farnoush Banaei-Kashani
推荐理由：论文提出了TCA-SIR，用目标条件抽象替掉单纯的主题相似度排序，远程灵感检索效果比MOOSE-Chem强了十几个点，还自带可解释性。
科学灵感检索
共 1 条相关 AI 资讯
7月31日
12:02
TCA-SIR将科学灵感检索重构为目标条件抽象任务，从候选论文中提取可迁移的抽象原理来预测对目标问题的适用性。在ResearchBench基准上，TCA-SIR的HitRate@top4%比MOOSE-Chem高出超过10个百分点，也优于直接使用LLM检索。该方法学习生成的抽象表示能更清晰地恢复与目标相关的机制，同时提供可解释的检索依据。