标签
这篇 arXiv 论文研究了语言模型在着手化解矛盾之前，如何判断两项科学发现是否具有可比性。在一个受控任务中，不可满足的 XOR 约束被翻译成实验报告；当约束条件显式给出时，GPT-5.6 Sol 和 Claude Opo 5 都能很好地还原出最有力支持的赋值方案，但当研究发现以科学散文的形式呈现时，模型往往倾向于遵从生物学上的既有预期。
GPT-6 Astra能够自主在真实实验室中运行端到端的药物化学实验，并使用LC-MS测量来验证合成分子的存在。
A position paper arguing that autonomous AI agents in science widen the verification gap and that scientific verification infrastructure must evolve with observable-by-default workflows, scalable verification, and clear attribution to sustain trustworthy science.