メニュー
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。
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/hiyenwong/ai_collection --skill ontology-constrained-llm-hypothesis-scoringコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
SKILL.md を表示中
SOC 職業分類に基づく
| 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"] |
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。
专家定义的预测编码本体：
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
使用 10 个本地语言模型：
几何假设空间映射：
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"""
# 离散度 = 向量间平均距离
pairwise_distances = compute_all_distances(study_vectors)
temperature = np.mean(pairwise_distances)
return temperature
发现：
glossary:
predictive_suppression:
- error suppression
- prediction error reduction
- sensory suppression
def extract_evidence_from_paper(pdf_path, glossary):
"""从论文提取证据"""
# 使用本地 LLM 提取
evidence = local_llm.extract(
prompt=f"Extract evidence for concepts: {glossary}",
document=pdf_path
)
return evidence
def assemble_constrained_prompt(evidence, figure_desc, glossary):
"""组装约束提示词"""
prompt = f"""
Evidence: {evidence}
Figure Description: {figure_desc}
Score agreement/disagreement with each glossary concept:
- Use ONLY concepts from approved glossary
- Score: -1 (disagree), 0 (neutral), +1 (agree)
- Provide reasoning for each score
Glossary: {glossary}
"""
return prompt
def multi_llm_council_score(prompt, n_models=10):
"""多 LLM 理事会评分"""
scores = []
for model_id in range(n_models):
model_output = local_models[model_id].generate(prompt)
validated_output = validate_against_glossary(
model_output, glossary
)
scores.append(validated_output)
# 计算分歧
disagreement_matrix = compute_disagreement(scores)
return scores, disagreement_matrix
def map_hypothesis_space(all_study_scores):
"""映射假设空间"""
# 每个研究 → 3D 向量（对应 3 个假设）
study_vectors = []
for study in all_study_scores:
vector = [
study.score_hypothesis_1,
study.score_hypothesis_2,
study.score_hypothesis_3
]
study_vectors.append(vector)
# 可视化
plot_3d_hypothesis_space(study_vectors)
return study_vectors
预测编码文献中的结构化分歧：
温度差异揭示：
10 个 LLM 模型间比较：
| Approach | Common Comparison Space | Disagreement Measurement | Interdisciplinary |
|---|---|---|---|
| Traditional meta-analysis | Requires | Limited | Difficult |
| Ontology-constrained multi-LLM | Creates | Quantitative | Facilitated |
预测编码神经科学的碎片化问题：
结果：