摘要
生成模型革新了材料发现过程，但常无法满足潜在的物理因果性。本文分析了结合知识图谱的大语言模型，揭示了“上下文隧道”现象，即模型过度依赖局部证据而抑制全局物理推理。为此，我们提出 ARIA，一个基于机制完整性的因果感知框架。该框架通过三级级联处理查询：具备完整证据链时进行直接因果推理；证据稀疏时采用物理信息类比迁移；证据不全时启用显式参数回退。实验表明，ARIA 有效缓解了上下文隧道问题，提升了预测与设计任务的准确性，并提供了可审计的因果轨迹。
AI 推荐理由
论文核心解决 LLM 在材料发现中缺乏物理因果推理的问题，提出因果感知框架。
研究机构
Chemical and Biomolecular Engineering, Johns Hopkins University, Baltimore, MD, USA
Computer Science, Johns Hopkins University, Baltimore, MD, USA
Chemical and Biomolecular Engineering, Johns Hopkins University
论文信息