迈向可审计的AI科学家：LLM智能体的假设演化协议

在人工智能驱动的科学探索中，大型语言模型（LLM）智能体正逐渐成为关键角色。它们凭借广泛的知识储备、灵活的推理能力以及工具使用技能，有望通过自主提出假设、验证假设并依据证据更新认知的循环，推动科学问题的解决。然而，现有智能体的假设生成、测试与信念更新过程通常隐藏在非结构化的日志中，缺乏让智能体或研究人员审计这些流程的有效机制。

为解决这一挑战，研究团队在arXiv平台发布新论文，提出名为“假设演化协议”（Hypothesis Evolution Protocol, HEP）的智能体框架。HEP将假设的生成、评估与演化设计为显式且可审计的操作，使整个科学推理流程变得透明、可追溯。在材料科学研究任务的实验中，配备HEP的智能体能够执行“假设-测试-证据-信念”的完整循环——这一能力正是当前基于规划的智能体所欠缺的。研究还表明，HEP具有良好的泛化能力，可适用于不同研究问题；且随着底层LLM能力的提升，智能体能更充分地利用该协议进行复杂推理。

这项成果标志着向“可审计的AI科学家”迈出了重要一步：未来，AI智能体的科学推理过程将能够被检查、验证，并成为人类科学家进一步构建研究的基础。该协议不仅提升了AI科研的可信度，也为人机协作的科学研究范式提供了新的技术支撑。