《Knowledge-Based Systems》：Mechanism-Centric Cross-Domain Retrieval for Scientific Discovery: LLM Agents for Structural Isomorphism Beyond Semantic Similarity
编辑推荐：
•一种神经符号框架，可在跨领域检索中将主题与机制分离。•同构偶然性指数通过机制对齐来奖励语义距离。•26个领域专家级别的LLM智能体可生成该领域特有的搜索词。•在科学发现中，语义距离被用作奖励信号而非惩罚因素。•偶然性被重新定义为基于知识的检索系统可调控的属性。引言科学领域中许多
- •
一种神经符号框架，可在跨领域检索中将主题与机制分离。
- •
同构偶然性指数通过机制对齐来奖励语义距离。
- •
26个领域专家级别的LLM智能体可生成该领域特有的搜索词。
- •
在科学发现中，语义距离被用作奖励信号而非惩罚因素。
- •
偶然性被重新定义为基于知识的检索系统可调控的属性。
引言
科学领域中许多具有重大意义的创新理念，并非源自对单一学科的深入探索，而是源于人们意识到不同领域中看似无关的现象其实遵循着相同的底层机制——这种模式被称为跨领域机制同构[1]。这类经典例子比比皆是：生物学中的自然选择与机器学习中的梯度下降，生态学中的捕食者-猎物动态与计算机网络中的TCP拥塞控制，以及数学生物学中的流行病SIR模型与社交媒体上的谣言传播现象[2,3]。这些“极端类比”通过实现成熟理论工具和解决方案在不同学科间的直接迁移，多次推动了整个学科的发展[4]。然而，由于不同学科发展出了不同的术语、数学符号和概念框架，这类同构关系往往被隐藏起来[5]。随着全球科学文献量每年以超过330万篇的速度增长，要在自身领域之外独立发现深层机制类比的概率越来越低，因此迫切需要能够跨越这种巨大语义差异的自动化系统[6]。
尽管这类同构关系具有重要价值，但由于“语义鸿沟”的存在，它们在当前的信息检索方法中几乎无法被识别。随着各学科词汇体系的分化，相同的因果结构在语言表达上变得晦涩难懂[7]。在缺乏通用术语的情况下，传统的稀疏检索方法往往失效，而密集检索方法则可能系统性地降低那些在结构相似性和语义差异性方面表现最佳的文档的排名[8]。我们将这种矛盾称为同构检索悖论：对科学创新而言最具价值的论文，恰恰是当前检索系统倾向于排名最低的那些。因此，那些具有潜力的跨领域机制类比仍埋藏在遥远的文献中，领域专家难以获取到它们。
近期，人们尝试将大型语言模型作为自主研究智能体加以利用，包括那些具备更强大推理能力的先进大型语言模型（如o1系列）以及专门的自主研究工作流（如Deep Research），这些技术已展现出出色的探索能力，但仍然难以弥补这一特定缺陷[9]。当这些通用智能体需要处理充满专业术语的文献时，往往会遇到三种常见问题：过早地得出表面化、高频出现的类比结果；无法为小众领域生成该领域特有的搜索词；以及由于错误解读机制而导致检索精度下降[10]。这些局限性表明，仅依靠提示工程是无法解决问题的；要实现真正严谨的机制同构，就需要一种能够明确将底层机制与表面术语分离的认知架构。
在这项工作中，我们提出了以机制为中心的跨领域检索框架MCDF，这是一种专门为大规模实现跨领域机制同构而设计的架构。MCDF并非将语义距离视为惩罚因素，而是将其视为衡量潜在新颖性的可控信号。该框架通过三项紧密关联的创新措施，将符号知识工程与分布式神经推理相结合：（1）一种由专家指导的机制框架，它将10种通用机制类别嵌入到26个针对特定领域的LLM智能体中；（2）一种解耦式的双评估器架构，该架构通过“语义图书管理员”和“系统理论家”两个模块分别计算主题相关性得分和机制对齐得分；（3）同构偶然性指数ISI，这是一种排序函数，能够通过数学方式奖励那些既具有高度机制对齐性又具有较大语义距离的文档。
我们的主要贡献包括：
- •
一种可扩展的混合架构，它将符号机制先验与分布式领域专家智能体相结合，从而实现对结构上具有同构性的文献进行稳健且不受术语限制的检索。
- •
ISI，这是一种全新的排序指标，它在机制对齐性强的情况下会奖励较大的语义距离，从而有效解决了同构检索悖论。
- •
通过两个案例研究（社交谣言传播和AI模型崩溃）进行了大量实证验证，从定量和定性两个方面都证明了MCDF在挖掘多样且高保真的机制类比方面，显著优于基于词汇、语义、LLM以及智能体的各类传统检索方法。
章节节选
相关工作
关于跨领域机制同构的探索一直沿着多个不同的研究方向展开：基于文献的发现方法、类比检索与仿生设计、信息检索与重排序技术、基于LLM的自主研究智能体，以及神经符号方法。在此，我们将回顾这些方法，并说明我们的框架与之有何不同。
由Don R. Swanson开创的基于文献的发现方法表明，那些逻辑上相关但彼此之间没有关联的
方法论
如图1所示，MCDF包含四个阶段的处理流程：（1）由专家指导的机制框架定义；（2）通过分布式智能体实现知识扩展；（3）统一的索引检索；（4）通过创新的双评估器架构进行同构重排序。
同构检索悖论。传统的信息检索方法是基于关键词匹配或嵌入向量之间的距离来优化相似性函数的，如图2所示。例如，对于“捕食者-猎物动态”这样的查询，传统检索系统很少能找到
案例研究与分析
本研究采用了“验证与发现”相结合的方法，针对两种复杂的场景展开研究：案例一为社交谣言传播，通过已有的典型流行病学类比来验证系统的正确性；案例二为AI模型崩溃，旨在测试从不同学科中挖掘全新机制假设的能力。我们将MCDF与六种不同的外部基准方法进行了对比，这些基准方法涵盖了稀疏检索、密集检索、混合检索、领域适配型检索、基于LLM的重排序方法以及智能体检索方法，同时我们还进行了严格的内部测试
核心研究发现
MCDF与各类基准智能体之间的实验结果差异，凸显出现代信息检索领域的一个根本性矛盾：即在优先考虑语义合理性与追求结构新颖性之间存在的冲突。我们的实验表明，“语义引力井”现象——即密集检索方法和通用LLM系统总是倾向于优先返回主题上较为接近的文档——正是由于它们的优化目标所导致的，这类方法的优化目标是让查询向量与文档向量尽可能匹配，从而提升表面的相关性。这一
结论
科学文献量的呈指数级增长带来了一个常见的矛盾：科学界虽然能够获取比以往任何时候都更多的知识，但这些知识却日益分散在各种术语孤岛之中，这阻碍了新思想的产生。本研究正是为了解决同构检索悖论——即那些最具创新性的结构类比往往会被基于相似性的检索方法刻意抑制。通过提出并验证MCDF，我们
CRediT作者贡献说明
Huajun Zhou：数据整理、形式化分析、方法论设计、资源筹备、软件开发、研究监督、结果验证、可视化处理、初稿撰写。Guozhu Jia：概念构思、研究调查、项目管理、文章审阅与编辑。
CRediT作者贡献说明
Huajun Zhou：初稿撰写、可视化处理、结果验证、研究监督、软件开发、资源筹备、方法论设计、形式化分析、数据整理。GuoZhu Jia：文章审阅与编辑、项目管理、研究调查、概念构思。
利益冲突声明
作者声明，他们不存在任何可能影响本文研究结果的已知财务利益关系或个人关系。
Huajun Zhou|GuoZhu Jia
