大语言模型在科学发现领域展现出巨大潜力，但如何直接训练模型完成假设生成——即建模 P(假设*背景)——一直是一个未被充分探索的难题。MiroMind 团队发表在ICML 2026的论文MOOSE-Star指出：直接训练这一条件概率在数学上是难以处理的，因为从庞大知识库中检索和组合灵感的过程存在组合复杂度 O(Nᵏ)，会随着候选数量增长而爆炸。

MOOSE-Star的核心贡献在于打破这一壁垒，实现可追踪且可扩展的训练与推理。其解决方案包含三个关键设计：第一，将假设构建分解为顺序的单一灵感步骤，通过概率方程推导出的子任务进行训练；第二，训练一个专门的灵感检索（Inspiration Retrieval, IR）模型；第三，在推理时对 SPECTER2 聚类的树结构进行分层搜索。得益于这三步，最坏情况下的复杂度从指数级 O(Nᵏ) 降低到对数级 O(log N)。

具体而言，MOOSE-Star基于DeepSeek-R1-Distill-Qwen-7B构建，使用来自32B教师模型的拒绝采样数据进行训练。IR模型在15选1的基准测试中达到54.37%的准确率，远超基线的28.42%和随机选择的6.70%。假设构建模型的综合评分达到5.16（满分未详参，基线为4.34）。

为了支撑这项研究，团队还发布了TOMATO-Star数据集，包含107K条分解后的生物医学论文（训练集108,717条、验证集1,600条），构建该数据集耗费约38,400 GPU小时。配套发布的内容还包括SFT训练数据（包含假设构建、边界组合和IR训练等多个子集）以及三个预训练模型（IR模型、假设构建模型和多任务模型），均已在HuggingFace上开源。

MOOSE-Star的意义不仅在于技术突破，更在于它为AI辅助科学研究提供了一条可扩展的路径。实验表明，随着训练数据和推理预算的增加，MOOSE-Star的性能能够持续扩展，而直接暴力采样则会撞上复杂度的墙。对于需要从海量文献中汲取灵感、生成创新假设的科研场景，这无疑是一个值得关注的方向。

参考来源：https://github.com/ZonglinY/MOOSE-Star、https://arxiv.org/abs/2603.03756