研究：「单次事实」占比决定 LLM 科学发现能力

训练数据中只被观察到一次的事实（monofacts）比例，决定 LLM 的科学发现能力。在材料科学与调控基因组学领域，提高该比例在两个开源权重模型家族、多种采样策略和推理预算下均稳定带来更多“发现”。该效应无法仅由训练集多样性解释，其收益在配合领域内数据时可跨科学领域迁移。