行动之前：基准测试大语言模型的前瞻性假设发现能力

大语言模型擅长回答预设问题，但其在前结论阶段的开放探索能力尚未被充分衡量。本文提出“前瞻性假设发现”（PHD）任务，要求模型基于不完整证据自主构建有依据、可区分且可检验的假设空间。为此，我们推出了 HypoArena 基准，包含涵盖六个领域的 988 个案例及相应的评估框架。通过回溯上下文回归方法重构数据，并结合双向成对判断与多维评分进行评测。实验揭示了不同模型在该能力上的显著分层，证明 PHD 是评估 LLM 制定调查方向能力的关键指标。