TRACE 框架的核心创新是什么？
TRACE 将每次局部编辑作为反馈单元，记录父编辑到子编辑的属性变化，聚合转换证据来估计可复用的编辑效果，从而在多目标冲突下更有效地指导后续搜索。
TRACE: Transition-Aware Residual Control for Multi-Objective Materials Discovery
（翻译）TRACE：面向多目标材料发现的转换感知残差控制
资讯摘要
Abstract page for arXiv paper 2608.23631: TRACE: Transition-Aware Residual Control for Multi-Objective Materials Discovery
AI 摘要
arXiv 论文提出 TRACE 框架，将材料发现中每次局部编辑视为反馈单元，通过记录父-编辑-子转换及属性变化，聚合证据估计可复用编辑效果，并对后续编辑排序以平衡多目标冲突。相比基线 LLEMA，宏平均命中率从 18.13% 提升至 25.96%，展示了基于转换感知的残差控制对多目标材料发现的有效性。
AI 问答
TRACE 相比基线 LLEMA 的效果提升如何？
在受控同骨干对比中，TRACE 将宏平均命中率从 18.13% 提升至 25.96%。