基于大语言模型的假设驱动深度研究：一种自动化知识发现的结构化方法

当前 AI 研究系统多采用“先搜索后总结”范式，将假设视为终点。本文提出假设驱动深度研究（HDRI）方法，首次利用假设组织跨领域的通用深度研究，将被动的信息检索转化为主动、可验证且迭代的知识发现过程。HDRI 包含六项原则与八阶段流程，核心创新为缺口驱动的迭代研究机制，能自动识别信息与逻辑缺口并触发补充调查。此外，引入了具可追踪推理链的事实推理框架、主体锁定机制及多维质量评估方案。实验表明该方法显著提升了事实密度、主题匹配度及多源验证置信度。