大型语言模型（ LLM ）显示出科学发现的前景越来越大，但关于什么能够实现可靠的发现，基本问题仍然存在。我们如何将LLM的科学发现能力追溯到他们的培训数据？我们将这个问题作为缺失概率质量之一进行研究，并开发了一个理论帐户，其中单物-在训练期间观察到的一次事实-设置了发现能力

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2611.03617v1)获取最准确的信息。

---
🔗 **原文链接**: [Tracing the Scientific Discovery Capacity of LLMs to Their T](https://arxiv.org/abs/2611.03617v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Arda Uzunoglu, Mahler Revsine, Michael Schatz, Benjamin Van Durme, Mehrdad Farajtabar, Daniel Khashabi, Eric Nalisnick

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-11-03 22:03