Knows：面向智能体的结构化研究表示

研究成果主要以面向读者的文档（如PDF）形式分发。这为日益增长的智能体辅助与智能体原生研究工作流制造了瓶颈：LLM智能体需要从冗长的完整文档中推断细粒度、与任务相关的信息，这一过程成本高、重复且在规模化时不稳定。我们提出Knows，一个轻量的伴随规范，它将结构化的论断、证据、来源与可验证关系以LLM智能体可直接消费的形式绑定到现有研究成果上。Knows用一个薄的YAML伴随文件（KnowsRecord）填补这一空白：它与原始PDF共存，无须对出版物本身做任何修改，并经由确定性的schema linter校验。我们在横跨14个学科的20篇论文的140个理解问题上评估Knows，在六个能力各异的LLM智能体上比较仅PDF、仅sidecar与混合三种条件。弱模型（0.8B-2B参数）在阅读sidecar而非PDF时，准确率从19-25%提升至47-67%（+29至+42个百分点），同时输入词元消耗减少29-86%；LLM-as-judge重评分确认，弱模型读sidecar的准确率（75-77%）接近更强模型读PDF的准确率（78-83%）。在这一受控评估之外，https://knows.academy/ 上的社区sidecar中心已收录逾一万篇出版物并每日持续增长，为该格式已具备规模化采用条件提供了独立佐证。