“`html

Как LLM может ускорить открытие научных гипотез, и что такое DiscoveryBench?

Научные открытия были важной составляющей человеческого прогресса на протяжении веков, но традиционно они основывались на ручных процессах. Однако появление больших языковых моделей (LLM) с продвинутыми возможностями рассуждения и способностью взаимодействовать с внешними инструментами и агентами открыло новые возможности для автономных систем открытий. Основной задачей является разработка полностью автономной системы, способной генерировать и проверять гипотезы в области данных. Недавние исследования показали многообещающие результаты в этом направлении, однако полный потенциал LLM в научных открытиях остается неопределенным. Ученые сталкиваются с задачей исследования и расширения возможностей этих ИИ-систем для революционизации научного процесса, что потенциально ускорит темп открытий и инноваций в различных областях.

Предыдущие попытки автоматизированного открытия данных

Предыдущие попытки автоматизированного открытия данных варьировались от ранних систем, таких как Bacon, которые подгоняли уравнения к идеализированным данным, до более продвинутых решений, таких как AlphaFold, способных решать сложные проблемы реального мира. Однако эти системы часто полагались на специфические наборы данных и заранее построенные конвейеры. Инструменты AutoML, такие как Scikit и облачные решения, продвинулись в автоматизации рабочих процессов машинного обучения, но их наборы данных в основном используются для обучения моделей, а не для задач открытий. Подобно этому, наборы данных статистического анализа и программные пакеты, такие как Tableau, SAS и R, поддерживают анализ данных, но они ограничены в своем функционале. Набор данных QRData представляет собой шаг к исследованию возможностей LLM в статистическом и причинном анализе, но он сосредоточен на четко определенных вопросах с уникальными, в основном числовыми ответами. Эти существующие подходы, хотя и ценны, должны предоставить всеобъемлющее решение для автоматизации всего процесса открытий, включая генерацию идей, семантическое рассуждение и проектирование конвейера.

DISCOVERYBENCH: новый подход к оценке возможностей LLM

Исследователи из Allen Institute for AI, OpenLocus и University of Massachusetts Amherst предлагают DISCOVERYBENCH, который направлен на систематическую оценку возможностей современных больших языковых моделей (LLM) в автоматизированных данных-приводных открытиях. Этот бенчмарк решает проблемы разнообразия в реальном мире, представляя прагматическую формализацию. Он определяет задачи открытий как поиск отношений между переменными в конкретном контексте, где описание этих элементов может не соответствовать языку набора данных. Этот подход позволяет систематически и повторяемо оценивать широкий спектр реальных проблем, используя ключевые аспекты процесса открытий.

DISCOVERYBENCH отличается от предыдущих наборов данных для статистического анализа или AutoML путем включения научного семантического рассуждения. Это включает выбор подходящих методов анализа для конкретных областей, очистку и нормализацию данных, а также сопоставление терминов цели с переменными набора данных. Задачи обычно требуют многоэтапных рабочих процессов, охватывая более широкий конвейер открытий данных, а не сосредотачиваясь исключительно на статистическом анализе. Этот всеобъемлющий подход делает DISCOVERYBENCH первым крупномасштабным набором данных для исследования возможностей LLM во всем процессе открытий.

В этом методе исследователи начинают с формализации данных-приводных открытий, представляя структурированный подход к представлению и оценке гипотез. Он определяет гипотезы как декларативные предложения, подтверждаемые наборами данных, разбивая их на контексты, переменные и отношения. Ключевым новшеством является Hypothesis Semantic Tree, иерархическая структура, представляющая сложные гипотезы с взаимосвязанными переменными. Это дерево позволяет кодировать несколько гипотез в одной структуре. Метод также формализует наборы данных задач как коллекции кортежей, поддерживающие несколько деревьев семантических гипотез, с различными степенями наблюдаемости. Эта структура обеспечивает гибкий, но строгий подход к представлению и оценке сложных проблем открытий данных, позволяя систематически оценивать автоматизированные системы открытий.

DISCOVERYBENCH состоит из двух основных компонентов: DB-REAL и DB-SYNTH. DB-REAL включает реальные гипотезы и рабочие процессы, полученные из опубликованных научных статей в шести областях: социологии, биологии, гуманитарных наук, экономики, инженерии и мета-науки. Он включает задачи, которые часто требуют анализа нескольких наборов данных, с рабочими процессами от базовой подготовки данных до продвинутого статистического анализа. С другой стороны, DB-SYNTH – это синтетический бенчмарк, который позволяет контролируемую оценку моделей. Он использует большие языковые модели для генерации разнообразных областей, создания семантических деревьев гипотез, создания синтетических наборов данных и формулирования задач открытий различной сложности. Такой двойной подход позволяет DISCOVERYBENCH охватить как сложность реальных проблем открытий, так и систематическое изменение, необходимое для всесторонней оценки моделей.

Исследование оценивает несколько агентов открытий, работающих на различных языковых моделях (GPT-4o, GPT-4p и Llama-3-70B) на наборе данных DISCOVERYBENCH. Агенты включают в себя CodeGen, ReAct, DataVoyager, Reflexion (Oracle) и NoDataGuess. Результаты показывают, что общая производительность низкая для всех пар агент-LLM как для DB-REAL, так и для DB-SYNTH, подчеркивая сложность бенчмарка. Удивительно, что продвинутые рассуждения (ReAct) и планирование с самокритикой (DataVoyager) не значительно превосходят простого агента CodeGen. Однако Reflexion (Oracle), который использует обратную связь для улучшения, показывает заметные успехи по сравнению с CodeGen. Исследование также показывает, что агенты без обратной связи в основном решают самые простые случаи, и производительность на DB-REAL и DB-SYNTH схожа, подтверждая способность синтетического бенчмарка охватить сложности реального мира.

DISCOVERYBENCH представляет собой значительный прогресс в оценке автоматизированных систем открытий данных. Этот всеобъемлющий бенчмарк включает 264 реальных задач открытий, полученных из опубликованных научных рабочих процессов, дополненных 903 синтетически созданными задачами, предназначенными для оценки агентов открытий на различных уровнях сложности. Несмотря на использование передовых рамок рассуждения, работающих на продвинутых больших языковых моделях, лучший агент достигает лишь 25% успешных результатов. Это скромная производительность подчеркивает сложность автоматизированных научных открытий и показывает значительное пространство для улучшения в этой области. Предоставляя этот своевременный и надежный бенчмарк, DISCOVERYBENCH нацелен на стимулирование увеличения интереса и научных усилий в разработке более надежных и воспроизводимых автономных систем научных открытий с использованием крупных генеративных моделей.

Проверьте статью. Вся заслуга за это исследование принадлежит исследователям этого проекта. Также не забудьте подписаться на нас в Twitter.

Присоединяйтесь к нашему каналу в Telegram и группе в LinkedIn.

Если вам нравится наша работа, вам понравится наша рассылка.

Не забудьте присоединиться к нашему сообществу в Reddit.

Оригинал статьи: Can LLMs Help Accelerate the Discovery of Data-Driven Scientific Hypotheses? Meet DiscoveryBench: A Comprehensive LLM Benchmark that Formalizes the Multi-Step Process of Data-Driven Discovery

“`