01
数据与任务
可说明来源、许可、质量和目标变量的真实数据
让科研 Agent 的建议更容易检查
SafeSDL 是一套 AI4Science 科研软件原型，目前处于内部评估阶段，1 项相关发明专利正在申请
现在在验证什么
当模型推荐候选、Agent 规划步骤、研究人员批准关键节点时，证据、约束与人的判断能否放进同一条可回看的记录
不是让 Agent 代替实验，而是让它的建议在进入实验之前更容易被检查
- 当前对象
- 软件工作流与界面原型
- 验证状态
- 内部评估
- 知识产权
- 1 项相关发明专利申请中
- 尚未证明
- 真实硬件闭环、新材料发现或外部科研验证
软件流程
每一步都要能找到输入、约束、输出和责任人
- 01
问题与数据 明确研究目标、数据来源和适用范围
- 02
模型证据 把推荐信号和不确定性与候选一起呈现
- 03
约束闸门 在安全、成本、可行性或研究规则处停止不合格路径
- 04
人工批准 关键转折保留研究人员的判断与理由
- 05
审计回放 用时间线复查 Agent、模型与人的每次决定
需要怎样的合作
合作需要可授权数据、明确任务、验证条件，以及事先约定的论文与知识产权安排
02
验证协议
对照、指标、失败条件与人工评审节点
03
实验或领域条件
能把软件建议与真实领域判断分开的合作环境
04
发表与知识产权
开工前约定论文、专利、代码、数据与署名
有数据、实验条件或明确科研问题
请说明希望验证的主张、可用条件、限制和时间。
聊研究合作