SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场hypogenic

hypogenic

数据与分析

查看项目

更新于 10-16 04:03

技能介绍

概述

Hypogenic 提供基于大语言模型的自动化假设生成与检验能力，用于加速科学发现。框架支持三种方法：HypoGeniC（数据驱动假设生成）、HypoRefine（文献与数据协同整合）以及 Union 方法（将文献假设与数据驱动假设进行机制化组合）。

主要能力

1. HypoGeniC：数据驱动假设生成

仅从观测数据出发，通过迭代优化生成假设。

流程：

  • 先用小规模数据子集初始化生成候选假设
  • 根据性能迭代优化假设
  • 用来自困难样本的新假设替换表现较差的假设

适用：无现有文献的探索性研究、新数据集中的模式发现。

2. HypoRefine：文献与数据整合

通过智能体框架将现有文献与实证数据协同结合。

流程：

  • 从相关研究论文（通常 10 篇）中提取洞见
  • 从文献生成有理论依据的假设
  • 从观测模式生成数据驱动假设
  • 通过迭代改进优化两个假设库

适用：已有理论基础的研究、验证或扩展已有理论。

3. Union 方法

将纯文献假设与框架输出进行机制化组合。

变体：

  • Literature ∪ HypoGeniC：文献假设与数据驱动生成结合
  • Literature ∪ HypoRefine：文献假设与整合方法结合

适用：全面假设覆盖，在保持多样视角的同时消除冗余。

使用方式

安装

uv pip install hypogenic

可选依赖：

  • Redis 服务器（端口 6832）：缓存 LLM 响应，在迭代假设生成期间显著降低 API 成本
  • s2orc-doc2json：HypoRefine 工作流中处理文献 PDF 所需
  • GROBID：PDF 预处理所需

克隆示例数据集：

# HypoGeniC 示例
git clone https://github.com/ChicagoHAI/HypoGeniC-datasets.git ./data

# HypoRefine/Union 示例
git clone https://github.com/ChicagoHAI/Hypothesis-agent-datasets.git ./data

命令行用法

假设生成：

hypogenic_generation --config ./data/your_task/config.yaml --method hypogenic --num_hypotheses 20

假设推断：

hypogenic_inference --config ./data/your_task/config.yaml --hypotheses output/hypotheses.json

Python API 用法

from hypogenic import BaseTask

task = BaseTask(config_path="./data/your_task/config.yaml")

task.generate_hypotheses(method="hypogenic", num_hypotheses=20)

results = task.inference(hypothesis_bank="./output/hypotheses.json")

HypoRefine/Union 方法：

task.generate_hypotheses(
    method="hyporefine",
    num_hypotheses=15,
    literature_path="./literature/your_task/",
    output_path="./output/"
)

数据集格式

需遵循 HuggingFace datasets 格式与命名约定。必需文件：<TASK>_train.json、<TASK>_val.json、<TASK>_test.json。JSON 必需键：text_features_1 到 text_features_n（字符串列表，包含特征值）、label（字符串列表，包含真实标签）。所有列表长度必须一致，标签格式必须与 extract_label() 函数输出格式匹配。

配置

每个任务需要 config.yaml，指定数据集路径与提示模板，包括：观测生成、批量假设生成、假设推断、相关性检查、自适应方法（用于 HypoRefine）。模板支持数据集占位符动态注入（如 ${text_features_1}、${num_hypotheses}）、自定义标签提取函数、基于角色的提示结构。

文献处理（HypoRefine/Union 方法）

使用基于文献的假设生成需预处理 PDF 论文：

# 首次设置 GROBID
bash ./modules/setup_grobid.sh

# 启动 GROBID 服务
bash ./modules/run_grobid.sh

# 处理 PDF
cd examples
python pdf_preprocess.py --task_name YOUR_TASK_NAME

将研究论文放入 literature/YOUR_TASK_NAME/raw/。自动文献检索将在未来版本中支持。

适用场景

  • 从观测数据集生成科学假设
  • 系统性检验多个竞争假设
  • 将文献洞见与实证模式结合
  • 通过自动化假设构思加速研究发现
  • 需要假设驱动分析的领域：欺骗检测、AI 生成内容识别、心理健康指标、预测建模等实证研究

性能优化

  • 缓存：启用 Redis 缓存降低重复 LLM 调用的 API 成本与计算时间
  • 并行处理：利用多个 worker 进行大规模假设生成与检验
  • 自适应优化：利用困难样本迭代提升假设质量

已知效果（据资料所述）

  • 相较 few-shot 基线提升 8.97%
  • 相较纯文献方法提升 15.75%
  • 假设多样性 80-84%（非冗余洞见）
  • AI 内容检测任务准确率提升 14.19%
  • 欺骗检测任务准确率提升 7.44%
  • 人类评估者报告决策有显著改善

自定义任务

步骤：准备三个 JSON 数据集文件 → 创建 config.yaml → 实现 extract_label 函数 →（可选）处理文献 → 使用 CLI 或 Python API 生成并测试。

限制与注意事项

  • 数据集所有列表必须长度一致，标签格式必须与 extract_label() 输出一致
  • HypoRefine/Union 需先完成 GROBID PDF 预处理
  • 自动文献检索暂未支持，需自行准备论文 PDF
  • 收费、价格、平台支持范围等具体信息暂未提供

故障排除

  • 假设过于笼统：调整 config.yaml 提示模板，要求更具体可检验的假设
  • 推断性能差：确保数据集有足够训练样本，调整生成参数或增加假设数量
  • 标签提取失败：实现自定义 extract_label() 函数
  • GROBID PDF 处理失败：确保 GROBID 服务运行且 PDF 为有效研究论文