arXiv 2026年10月5日作者提出覆盖结构锚定、合成条件验证、证据充分性验证与基于 MLIP 的计算验证四个任务族的诊断基准，并在闭卷、检索增强与 oracle 证据三种设置下定位知识获取、证据获取与推理环节的失败，据此构建失败感知的智能体框架 MOF-Verify，在多个骨干大模型上相较直接推理与检索基线显著提升 MOF 假设验证表现，并公开基准数据集。作者提出覆盖结构锚定、合成条件验证、证据充分性验证与基于 MLIP 的计算验证四个任务族的诊断基准，并在闭卷、检索增强与 oracle 证据三种设置下定位知识获取、证据获取与推理环节的失败，据此构建失败感知的智能体框架 MOF-Verify，在多个骨干大模型上相较直接推理与检索基线显著提升 MOF 假设验证表现，并公开基准数据集。MOF-Verify 用失败感知智能体框架提升 MOF 假设验证，并发布四类诊断基准作者提出覆盖结构锚定、合成条件验证、证据充分性验证与基于 MLIP 的计算验证四个任务族的诊断基准，并在闭卷、检索增强与 oracle 证据三种设置下定位知识获取、证据获取与推理环节的失败，据此构建失败感知的智能体框架 MOF-Verify，在多个骨干大模型上相较直接推理与检索基线显著提升 MOF 假设验证表现，并公开基准数据集。作者提出覆盖结构锚定、合成条件验证、证据充分性验证与基于 MLIP 的计算验证四个任务族的诊断基准，并在闭卷、检索增强与 oracle 证据三种设置下定位知识获取、证据获取与推理环节的失败，据此构建失败感知的智能体框架 MOF-Verify，在多个骨干大模型上相较直接推理与检索基线显著提升 MOF 假设验证表现，并公开基准数据集。