hypogenic

Automated LLM-driven hypothesis generation and testing on tabular datasets. Use when you want to systematically explore hypotheses about patterns in empirical data (e.g., deception detection, content analysis). Combines literature insights with data-driven hypothesis testing. For manual hypothesis formulation use hypothesis-generation; for creative ideation use scientific-brainstorming.

1. Zainstaluj pakiet Hypogenic za pomocą menedżera pakietów: uv pip install hypogenic. Upewnij się, że masz zainstalowany Python i dostęp do wiersza poleceń.

2. Przygotuj swoje dane i konfigurację. Sklonuj przykładowe zbiory danych z repozytorium ChicagoHAI (git clone https://github.com/ChicagoHAI/HypoGeniC-datasets.git ./data) lub przygotuj własny plik konfiguracyjny w formacie YAML zawierający ścieżkę do danych tabelarycznych i parametry zadania.

3. Wygeneruj hipotezy za pomocą wiersza poleceń: hypogenic_generation --config ./data/your_task/config.yaml --method hypogenic --num_hypotheses 20. Parametr num_hypotheses określa liczbę hipotez do wygenerowania. Wyniki zostaną zapisane w pliku output/hypotheses.json.

4. Alternatywnie użyj Python API, importując BaseTask, ładując konfigurację i wywołując task.generate_hypotheses(method="hypogenic", num_hypotheses=20) bezpośrednio w swoim skrypcie.

5. Przetestuj wygenerowane hipotezy za pomocą: hypogenic_inference --config ./data/your_task/config.yaml --hypotheses output/hypotheses.json. Narzędzie automatycznie oceni każdą hipotezę względem danych i zwróci wyniki testowania.

6. Przeanalizuj wyniki w pliku wyjściowym, aby zidentyfikować hipotezy o najwyższym wsparciu empirycznym i wykorzystać je w dalszych badaniach.