ForeSCITE：用时间轨迹预测生物医学未来发现

当大模型开始"读"科学史：时间维度如何引导假设生成

AI co-scientist 的概念正在从科幻走向现实。大语言模型已被广泛用于生成科学假设和指导实验，但大多数方法关注的是"知识空间"里的语义相似性，而非"时间轴"上的演化方向。一篇最新研究提出了不同思路：能否从完整生物医学结论的语义表示中捕捉时间模式，并用它来指引未来假设的生成？

研究团队给出的答案是肯定的。他们提出的 ForeSCITE 框架，核心动机在于科学发现本身具有方向性——同一主题下的结论会随时间推移发生语义漂移。如果能显式建模这种漂移，模型就能从"过去到现在的轨迹"外推出"下一步可能是什么"，而不只是复述已有知识。

三百万条结论里的时间结构

ForeSCITE 的方法链可以拆成三个环节。研究团队首先识别已发表结论的主题簇，在每个簇内部估计一个区分早期与近期发现的方向，然后把现有结论的嵌入向量投影到该方向上。接着，一个被训练用于重建结论的嵌入语言模型将这些投影坐标解码回自然语言假设。

这一流程在约三百万条截止日期前的结论所衍生的 407 个主题簇上运行。结果显示，语义空间中确实存在可识别的时间结构，并且在解码之后仍然得以保留——这意味着模型生成的假设并非脱离历史脉络的随机组合，而是沿着可解释的主题演化方向前进。

嵌入语言模型（Embedding Language Model）是一类将文本映射为连续向量表示的语言模型，通常通过编码器-解码器架构或仅解码器架构实现。在 ForeSCITE 中，该模型被训练用于"重建结论"：给定一个低维投影坐标（即结论嵌入在时间方向上的标量投影值），模型需生成能够还原原始结论语义的自然语言文本。这种训练目标迫使嵌入空间保留足以支持语义重建的信息，从而使投影坐标不仅具有区分性，还可解码为可读的假设表述。与常见的对比学习嵌入不同，重建式训练更关注信息保真度，适合需要从抽象坐标回溯到具体科学陈述的场景。

回顾式评估：超越五类基线

在按时间切片的回顾式评估中，ForeSCITE 在多个维度上优于五个基于提示词和检索增强的基线方法。具体表现为：语义覆盖范围超出历史语料库本身、生物医学实体对的新颖性更高，以及截止日期后实体对被重新观察到的比例更高。

这三个指标的组合值得玩味。语义覆盖说明模型没有简单复刻训练数据分布；实体对新颖性说明它提出了原文献中未被连接的概念组合；而截止日期后的再观察则是最强信号——如果模型在"未来"文献中提出的实体对确实被后续研究触及，说明时间引导产生了真正的预测价值，而非仅仅是文本层面的巧妙排列。

回顾式评估（retrospective evaluation）是时间序列预测和科学发现预测中常用的一种评测范式：将数据按时间切分为训练集（截止日期前）和测试集（截止日期后），模型仅使用训练集信息生成预测，再与测试集中的真实发现进行比对。其优势在于能够利用已发表文献作为"未来"的客观参照，但固有风险是后见之明偏差——评估者可能无意中利用了对后续文献的了解来设计或解读指标。在 ForeSCITE 中，截止日期后实体对被重新观察到的比例正是基于这一范式计算的：若模型在截止日期前生成的实体对在截止日期后的文献中频繁出现，则说明其预测具有前瞻性。

实体对新颖性（entity-pair novelty）是评估生成假设创新程度的常用指标，通常定义为生成的生物医学实体对（如基因-药物、疾病-靶点）在训练语料中未共同出现的比例。高新颖性意味着模型提出了原文献中未被连接的概念组合，但新颖性本身并不保证合理性——随机组合也能产生高新颖性。因此，ForeSCITE 将实体对新颖性与截止日期后重观测比例结合使用：前者衡量"新"，后者衡量"可能真"，二者共同构成对假设质量的更全面刻画。在专家评审中，37 个 CAR-T 假设被判定为兼具新颖性与生物学合理性，正是对这一指标组合的质性验证。

专家评审：37个新颖且合理的CAR-T假设

自动指标之外，研究还引入了领域专家评审。针对优先级排序后的 CAR-T 假设，专家将 37 个候选判定为兼具新颖性和生物学合理性。对其中五个精选假设，专家给出的论证说明了其生物学依据，并在可获得的情况下指出了后续文献支持。

这一点尤为关键：生成假设的难点从来不在"生成"，而在于生成既新又合理的候选。37 这个数量在专家评审语境下并非小数，说明时间轨迹引导的方向筛选确实能提升候选质量，而非用大量噪声淹没评审者。

时间引导：可扩展的假设生成机制

从更宏观的视角看，这项工作的贡献在于把"时间"作为一阶信号引入科学假设生成，而非仅作为检索过滤条件。语义空间中的时间引导是一种可扩展机制——它不依赖特定领域知识库的手工规则，而是从已发表结论的整体分布中学习方向，理论上可迁移到生物医学之外的其他学科。

当然，回顾式评估的固有局限仍然存在：后见之明可能高估模型的预测能力，专家评审的样本规模也有限。但框架本身提供了一条清晰路径：让 AI co-scientist 不仅知道"什么相关"，还知道"什么正在往哪里走"。对于希望用大模型辅助科学发现的团队来说，这是一个值得关注的范式转向。