测试时发现中的认知不确定性
TLDR
UG-TTT利用低秩适配器集成测量认知不确定性，引导自动科学发现中的探索以克服奖励平台。
评分理由
The paper introduces a novel method (UG-TTT) that leverages epistemic uncertainty via ensemble disagreement to improve exploration in automated scientific discovery, addressing a key limitation of standard RL. Strengths include a clear problem formulation and empirical validation on four benchmarks. Weaknesses include limited scope of benchmarks and lack of detailed task descriptions in the abstract.
Read-first 评分解释
综合优先阅读分 58.4，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 65。
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：26。
关键词评分
深度分析
创新点
- 通过集成预测与权重假设之间的互信息测量认知不确定性，并将其作为策略梯度中的探索奖励
- 在冻结的基础模型上使用低秩适配器集成来捕获每个token的分歧
- 核范数正则化器保持适配器之间的差异性，从而维持探索信号
方法
UG-TTT冻结基础LLM，训练一个小型低秩适配器集成。每个token的认知不确定性通过集成预测与适配器权重假设之间的互信息量化，从而分离出因覆盖不足导致的分歧。该不确定性作为探索奖励加入策略梯度，引导策略向低覆盖区域移动。核范数正则化器维持适配器的多样性。
关键结果
在四个科学发现基准测试中，UG-TTT在三个任务上提高了最大奖励，并保持了更高的解决方案多样性；消融实验表明核范数正则化器对于维持探索至关重要。
局限性
- 在四个基准测试中的一个任务上未能提高最大奖励