| name | ontology-constrained-llm-hypothesis-scoring |
| description | 本体约束多 LLM 假设评分方法论。使用专家本体（36 个概念）约束本地多 LLM 理事会，对跨学科文献（如预测编码神经科学）进行假设支持评分，生成可审计的分歧测量和定量假设空间映射。 |
| version | 1.0.0 |
| category | neuroscience |
| authors | ["Hamed Nejat","Alexander Maier","Jesse Spencer-Smith","André M. Bastos"] |
| arxiv_id | 2606.05206 |
| created | 2026-06-09T00:00:00.000Z |
| activation_keywords | ["multi-LLM","ontology constraint","hypothesis scoring","predictive coding","literature synthesis","disagreement measurement"] |
| related_skills | ["kg-research-workflow","llm-decision-centric-design"] |
Ontology-Constrained Multi-LLM Hypothesis Scoring
Overview
本体约束多 LLM 假设评分是一个本地多 LLM 管道，用于跨学科文献综合。通过专家本体约束提示词生成，验证输出，使用多 LLM 理事会评分假设支持，生成可审计的分歧测量和定量假设空间映射。
Core Methodology
1. Predictive Coding Glossary Construction
专家定义的预测编码本体：
- 36 个概念分组为 3 个假设
- Hypothesis 1：Predictive suppression（预测性抑制）
- Hypothesis 2：Feedforward error propagation（前馈误差传播）
- Hypothesis 3：Ubiquity（普适性）
2. Multi-LLM Pipeline Architecture
四阶段管道：
Stage 1: Read papers → Extract evidence
Stage 2: Incorporate figure descriptions → Assemble prompts
Stage 3: Ontology validation → Glossary compliance check
Stage 4: Multi-LLM council scoring → Agreement/disagreement quantification
3. Local Multi-LLM Council
使用 10 个本地语言模型：
- 独立评分每个研究对本体概念的同意/不同意
- 分歧来源可追溯（模型偏见、证据解读差异）
- 可审计的评分过程
4. Hypothesis-Space Mapping
几何假设空间映射：
- Pairwise study-agreement analysis（成对研究一致性分析）
- Cross-model comparison（跨模型比较）
- Three-dimensional hypothesis space（三维假设空间）
Key Innovation: Hypothesis-Space Temperature
定义：几何离散度度量，衡量研究在假设空间中的紧凑程度
def compute_hypothesis_temperature(study_vectors):
"""计算假设空间温度"""
pairwise_distances = compute_all_distances(study_vectors)
temperature = np.mean(pairwise_distances)
return temperature
发现：
- Local oddball contexts：低温（紧凑聚集）
- Global oddball contexts：高温（分散分布）
- 意义：Global oddball 研究间分歧更大
Implementation Workflow
Step 1: Glossary Definition
glossary:
predictive_suppression:
- error suppression
- prediction error reduction
- sensory suppression
