虽模型 striving 时亦会犯错：用于自校正科学生成的共形预测

大型语言模型在生成技术内容时常违背基础科学原理，削弱了其可靠性。本文提出科学可行性控制（SFC），一种基于图结构的共形预测框架，通过渐进式绝对 - 连贯 - 事实验证，为科学推理的有效性提供统计保证。该方法将科学推理分解为原子单元，要求既符合物理定律又具备上下文逻辑支撑，以解决早期错误污染后续步骤的级联效应。SFC 将逻辑依赖建模为近似可推导图，并在检测到违规时实时动态分支至替代生成路径。实验表明，SFC 在多个基准测试中显著优于现有模型，同时大幅减少科学定律违规行为并提供形式化的置信度保证。