能力门控规划：目标成本发现与短视实验选择的局限
TLDR
证明短视信息最大化规划器在建设性行动获取能力时失败，提出能力门控随机最短路规划。
评分理由
The paper offers a strong theoretical contribution by identifying a structural limitation of myopic experiment selection and proving formal guarantees via a capability-indistinguishability lemma. However, it appears to lack real-world experiments or empirical validation, and the abstract is truncated, limiting visibility of broader implications.
Read-first 评分解释
综合优先阅读分 52.8，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 49。
研究版图角色
前沿论文方法锚点
排序敏感性
稳定性：volatile；排名波动范围：40。
关键词评分
深度分析
创新点
- 识别出短视实验选择的一个结构性局限：建设性行动获取认知能力（仪器、检测方法、流水线、模拟器或抽象）时，其价值在于启用未来行动而非即时信息增益，因此被低估。
- 将目标导向的发现形式化为信念空间中的随机最短路径问题，其中建设性实验改变下游行动图。
- 证明对于任何前瞻深度 d，每个短视的信息最大化规划器都有无界近似比，并且可能无法到达目标，使用能力不可区分性引理。
- 提出 CG-Plan，一种具有能力感知目标成本启发式 h = h_cap + h_exp 的增量重规划器。
- 在受控测试平台上证明性能差距仅在能力门控下出现，对每个固定视界持续存在，并且与来自数据一致提议者的近失假设相关。
方法
本文将发现规划形式化为信念空间中的随机最短路径问题，其中建设性行动改变行动图。理论分析通过能力不可区分性引理证明了有界视界短视规划器的局限性。提出的 CG-Plan 使用结合能力成本与期望实验成本的启发式，并在受控测试平台上进行评估。
关键结果
短视的信息最大化规划器在能力门控下具有无界近似比，并且可能无法到达目标，而 CG-Plan 通过能力感知启发式有效解决了这一问题；性能差距仅在门控下出现，跨固定视界持续存在，并与来自数据一致提议者的近失假设相关。
局限性
- 分析基于构造的实例；现实世界中的适用性可能有所不同。
- 启发式 h_cap 需要特定领域的能力估计，可能并非普遍可用。
- 受控测试平台可能无法反映开放式科学发现的复杂性。
- 结果主要针对短视的信息最大化规划器；未与其他类型的规划器进行比较。