论文
人工智能科学家什么时候应该停止？可验证的实验指导和拒绝自主发现
When Should an AI Scientist Stop? Verifiable Experiment Steering and Refusal for Autonomous Discovery
摘要
我们提出了 CARTOGRAPH，这是人工智能科学家的一个验证层，它结合了未解决的子空间实验引导（选择）、显式歧义闭合（解决）和基于残差的库不足检测（拒绝）。在局部线性高斯桥下，原始未解析投影是各向同性未解析 Fisher 信息迹，而 CARTOGRAPH-A 是精确的未解析 A 最优规则；封闭式 EIG 和 Box-Hill 是作为局部比较器而不是全局比较器出现的。在五个测试平台上，CARTOGRAPH-A 在复制的结构化级联中在 d = 8 (p < 10^-21) 时击败了原始投影 129W/0T/15L。更独特的是，该框架暂时识别了三种库外药代动力学机制，然后撤销这些识别，因为残差暴露了结构失配，而一种受干扰的库内对照始终保持识别状态。在低维药代动力学和过滤的 EPA 设置中，通过理论预测并观察到与分歧的接近关系。最后，在对已发布的 A-Lab 自主材料系统中的 40 个正面声明进行回顾性审核时，垃圾警卫标记了所有 4 个声明，随后在手动重新分析中标记为不确定，同时通过了 32/36 已确认的声明。代码可在 https://github.com/ai4science-boed/cartograph.git 获取