01
推导与验证
- Problem
- 长计算容易隐藏约定、符号选择与中间恒等式。
- Workflow
- 方程提取、依赖映射、符号重建、极限检验与不一致记录。
- 人工判断
- 研究者判断哪些假设合法，以及一致是否具有物理意义。
- Output
- 一份可复现推导记录，分离假设、已验证步骤与未解决问题。
- Safeguards
- 不自动信任来源结论
- 区分推导结论与假设
- 在可行处进行独立检验
AI-native research systems
让复杂研究可审计的工具
这些工作流支持文献分析、推导、数值验证与论文审计。它们不替代物理判断；公开描述省略内部提示词、私有知识结构与未发表研究材料。
02
文献与论文审计
- Problem
- 论文不同版本中的主张、记号、引用与审稿要求会发生漂移。
- Workflow
- 主张到来源的追踪、记号检查、版本比较、参考文献核验与 overclaim 审查。
- 人工判断
- 自动化定位不一致；作者仍对科学主张与回复承担责任。
- Output
- 一份把每条发现连接到来源位置与审查状态的审计记录。
- Safeguards
- 来源行号与版本哈希
- 未解决主张阻止无条件通过
- 私有论文不进入公开演示
03
计算与视觉原型
- Problem
- 连续理论主张需要数值模型、收敛证据，以及不夸大结论的结构图。
- Workflow
- 模型规格、离散化、收敛检验、连续极限比较与图形生成。
- 人工判断
- 在视觉润色开始前，先固定模型、调节子与观测量。
- Output
- 自包含的 Mathematica 或 Python 记录，包含显式误差与可复用图形。
- Safeguards
- 先收敛，后解释
- 不把合成数据当作证据
- 图形带来源与无障碍说明