什么值得买App下载 App ›
连续签到专享现金活动

谷歌ScientistOne:让AI科研每一步有据可查!

针对自动化研究智能体在生成论文时存在的虚假引用、实验结果不可复现及方法描述与代码脱节等验证性失效问题,谷歌提出了证据链验证框架。基于该框架构建的 ScientistOne 端到端自动化研究系统,通过问题调查、发现引擎和带有声明验证器的论文撰写模块,确保了研究全流程的可追溯性与可信度。
01证据链标准框架
为解决自动化系统生成内容表面专业但底层逻辑断裂的问题,该框架借鉴数据库的 ACID 原则,为自动化研究定义了可验证性标准。框架要求每一项研究声明必须通过记录的证据链追溯至原始依据。CoE 将声明分为引用声明、数值声明、方法声明和结论声明四类,并为每类声明规定了必须满足的证据链结构。
02三阶段系统架构
ScientistOne 系统架构由三个核心阶段组成,形成闭环的工作流:
  1. 问题调查器
    通过检索并阅读多达 100 篇 PDF 全文构建引用图谱,确保文献引用的真实性。
  2. 发现引擎
    采用并行探索-利用(Parallel Explore-Exploit)编排器进行方案迭代与消融实验。
  3. 论文撰写与验证
    通过五阶段流水线生成带有证据标签的初稿,并由声明验证器对数值、引用和方法进行最终核对,未通过验证的声明会被自动重写或删除。
03CoE 完整性审计协议
检查项检查内容执行方式
得分验证核实论文数据的真实性重新运行代码
规范违规检查判定代码是否通过硬编码或逆向工程规避任务规则利用 LLM 判定
引用验证识别虚假文献通过学术 API 交叉检索
方法-代码对齐检查评估论文描述的算法与实际实现代码的一致性对比评估

四项核心检查机制

04跨领域研究发现与实验验证
实验表明,在 75 篇论文的审计中,ScientistOne 实现了 0 虚假引用和 100% 的得分验证通过率,在 ADRS 任务上达到或超过人类专家水平。该系统不仅在计算机系统优化任务上表现出色,还展现了极强的泛化性,在 MLE-Bench 的医疗影像、3D 感知等高难度任务中获得金牌。此外,在 Parameter Golf 竞赛中,ScientistOne 通过引入 Hessian 对角加权 SVD 初始化等创新算法手段,在严格参数约束下实现了 SOTA 性能,证明了高验证性与卓越研究能力的统一。

评论

评论区空态插画

当前文章无评论,是时候发表评论了