Paper page - Notes2Skills：从实验笔记到具备确定性感知的科学智能体技能

来源：https://huggingface.co/papers/2606.11897

摘要

Notes2Skills框架将实验笔记转化为AI智能体的可验证技能，同时保留作者的确定性水平，填补了科学AI开发中的空白。

科学发现工作流（https://huggingface.co/papers?q=Scientific%20discovery%20workflows）通常包含并严重依赖实验笔记（https://huggingface.co/papers?q=lab%20notes），研究人员在其中记录观察结果、解释不确定的结果并规划后续实验。这类信息丰富的实验笔记（https://huggingface.co/papers?q=lab%20notes）保留了不断演进的科学推理（https://huggingface.co/papers?q=scientific%20reasoning）和作者确定性（https://huggingface.co/papers?q=author%20uncertainty），而非呈现于出版物中的润色最终结果，为AI在更全面和更深层次上参与科学探索提供了宝贵机会。然而，以往大多数关于科学文本的研究聚焦于论文、协议或结构化数据库，将非正式实验笔记作为面向科学AI智能体（https://huggingface.co/papers?q=AI%20agents）的输入这一领域尚待探索。这一空白至关重要，因为实验笔记（https://huggingface.co/papers?q=lab%20notes）通常在同一段落中混杂了已验证的观察、初步判断和可能的实验后续步骤。如果这些信号被混淆，AI智能体可能会将不确定的科学判断误认为是已证实的结论或可执行的操作。为此，我们提出了Notes2Skills，一个两阶段框架，用于将实验笔记本转化为科学AI（https://huggingface.co/papers?q=scientific%20AI）智能体的可验证技能（https://huggingface.co/papers?q=verifiable%20skills），同时保留作者的确定性。在七种条件和三个湿实验环节中，Notes2Skills是唯一既不会将不确定笔记误认为明确指令、也不会丢弃明确指令的配置。我们证明，确定性保留（https://huggingface.co/papers?q=certainty%20preservation）是连接实验笔记本与可靠智能体技能之间缺失的一环，为更安全的AI联合科学家系统开辟了道路。

查看arXiv页面（https://arxiv.org/abs/2606.11897）查看PDF（https://arxiv.org/pdf/2606.11897）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.11897）

在您的智能体中获取此论文：

hf papers read 2606.11897

没有最新的CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型关联此论文

在模型README.md中引用 arxiv.org/abs/2606.11897 以从此页面链接。

引用此论文的数据集0

没有数据集关联此论文

在数据集README.md中引用 arxiv.org/abs/2606.11897 以从此页面链接。

引用此论文的Spaces0

没有Space关联此论文

在Space README.md中引用 arxiv.org/abs/2606.11897 以从此页面链接。

包含此论文的合集0

没有合集包含此论文

将这篇论文添加到一个合集（https://huggingface.co/new-collection）中以从此页面链接。