类比深度研究：检索与整合历史类比以进行前瞻性分析

本文提出“类比深度研究”（ADR）新任务及基准，旨在评估大语言模型代理在前瞻性分析中利用历史类比的能力。研究发现，现有模型因仅匹配表面特征而难以发现深层机制相似的类比。基于此，作者提出机制对齐与跨类比确认原则，并构建因果类比研究者（CANA）框架。该框架通过结构分解表示与结构化反馈反思，显著提升了类比生成质量，在基准测试中超越最先进代理，证实了其在整合历史类比进行因果推理方面的有效性。