PROMETHEUS：融合文本、数据与模型的深度因果研究自动化

大语言模型能够从文本中提取局部因果论断，但当这些论断被组织为持久、可导航的世界模型而非扁平的摘要时，会变得更有用。我们提出PROMETHEUS，一个将检索到的文献、申报文件、评论、报告、智能体轨迹、源数据、代码、模拟和科学模型转化为因果图集（causal atlas）的框架：即在一个研究基底（research substrate）的显式覆盖之上的层束（sheaf）状局部因果预测态模型族。每个局部区域包含因果片段、结构化论断表、预测性检验、支持度统计和溯源信息；限制映射（restriction map）比较重叠区域；粘合诊断（gluing diagnostics）揭示一致性、漂移、矛盾与欠定性。由此得到的Topos世界模型不是一张单一的全局图。它是一种研究工具，用于导航语料说了什么、在哪里说的、支持强度如何，以及局部论断在何处无法组装成连贯的全局图景。三个文献图集案例研究——海洋温度对海洋种群的影响、GLP-1减肥证据以及白藜芦醇/红酒健康益处论断——展示了从文本出发、具有显式局部性、证据、持久状态和粘合张力的深度因果研究。四个扎根反事实案例研究——一篇Nature Climate Change微塑料强迫论文、一篇带VIC衍生图形数据和模型代码的印度河流域水文论文、带单细胞扰动数据的经典Sachs蛋白信号研究，以及带MAPseq投射矩阵的Nature鸣鼠研究——展示了一种更强的模式：当论文附带源数据、模拟输出或代码时，PROMETHEUS能够针对该科学基底评估反事实，然后围绕该基底重建层束世界模型。