连续知识代谢：从演化文献中生成科学假设

本文提出连续知识代谢（CKM）框架，通过滑动时间窗口处理科学文献，并在新发现出现时增量更新结构化知识库。实验表明，其轻量变体 CKM-Lite 在命中率、假设产出及对齐度上优于批处理基线，同时大幅降低令牌成本。全功能变体 CKM-Full 进一步将新发现分类为新颖、确认或矛盾，检测知识变化信号，并基于完整演化轨迹条件化生成假设。研究发现增量处理优于批处理，且知识收敛信号比矛盾信号具有更高的预测命中率，揭示了质量与覆盖率的权衡。