01
推导与验证
- 问题
- 长计算容易隐藏约定、符号选择与中间恒等式。
- 工作流程
- 方程提取、依赖映射、符号重建、极限检验与不一致记录。
- 人工判断
- 研究者判断哪些假设合法，以及一致是否具有物理意义。
- 输出
- 一份可复现推导记录，分离假设、已验证步骤与未解决问题。
- 质量检验
- 核对原始来源
- 区分推导结论与假设
- 在可行处进行独立检验
AI 辅助科研系统
让复杂研究可审计的工具
我为文献分析、符号推导、数值验证与论文审阅构建工作流。以下案例介绍具体问题、处理方法与输出。
02
文献与论文审计
- 问题
- 论文不同版本中的主张、记号、引用与审稿要求会发生漂移。
- 工作流程
- 主张到来源的追踪、记号检查、版本比较、参考文献核验与 overclaim 审查。
- 人工判断
- 逐项对照来源，核查科学主张、引用与审稿回复。
- 输出
- 一份把每条发现连接到来源位置与审查状态的审计记录。
- 质量检验
- 来源行号与版本哈希
- 追踪待解决问题
- 公开案例采用已发表材料
03
计算与视觉原型
- 问题
- 连续理论计算需要数值模型、收敛检验和适用范围清晰的图像。
- 工作流程
- 模型规格、离散化、收敛检验、连续极限比较与图形生成。
- 人工判断
- 在视觉润色开始前，先固定模型、调节子与观测量。
- 输出
- 自包含的 Mathematica 或 Python 记录，包含显式误差与可复用图形。
- 质量检验
- 先收敛，后解释
- 标明数据来源与生成方法
- 图形带来源与无障碍说明