# Az egyszer előforduló tények aránya szabja meg az LLM-ek felfedezőképességét

*arXiv · cs.AI · 2026-11-02 · Kutatás*

**Az arXiv-en megjelent kutatás szerint a tanítóadatban csak egyszer előforduló tények aránya határozza meg, mennyi tudományos felfedezésre képesek a nyelvi modellek.**

A szerzők a felfedezőképességet a hiányzó valószínűségi tömeg problémájaként vizsgálták, és elméleti keretet dolgoztak ki, amelyben a **egyszer megfigyelt tények** határozzák meg a felfedezési kapacitást. Anyagtudományi és szabályozási genomikai kísérletekben közvetlenül változtatták ezek arányát a tanítókészletekben.

Két nyílt súlyú modellcsalád, többféle mintavételi stratégia és eltérő gondolkodási keret mellett is az derült ki, hogy több egyszer előforduló tény több felfedezéshez vezetett. Az összefüggés nem magyarázható pusztán a tanítóadatok sokszínűségével, és **domainek közötti átvihetőség** is megfigyelhető, ha az átvitelt domainspecifikus adat támogatja.

A szerzők szerint a **tanítóadatok monofact-aránya** kulcsfontosságú tényező a nyelvi modellek tudományos felfedezőképességében. A tanulmány az arXiv preprint-szerveren jelent meg 2026. november 2-án.

## Miért számít?

A tanítóadatokat összeállító kutatócsoportoknak és a tudományos területekre specializált modellfejlesztőknek a **monofactok aránya** lehet fontos szempont. Az eredmények két modellcsaládon és két tudományterületen születtek, ezért általánosíthatóságuk további vizsgálatot igényel.

---

Eredeti forrás: [Tracing the Scientific Discovery Capacity of LLMs to Their Training Data](https://arxiv.org/abs/2611.03617)

Forrás: xhírek.hu – https://xhirek.hu/hir/az-egyszer-elofordulo-tenyek-aranya-szabja-meg-az-llm-ek-felfedezokepesseget