Notes2Skills: De los cuadernos de laboratorio a las habilidades de agente científico con conciencia de certeza

Resumen

Los flujos de trabajo del descubrimiento científico suelen incluir y depender en gran medida de notas de laboratorio, donde los investigadores registran observaciones, interpretan resultados inciertos y planifican experimentos de seguimiento. Estas notas de laboratorio informativas preservan el razonamiento científico en evolución y la incertidumbre del autor, en lugar de los resultados finales pulidos que se presentan en las publicaciones, ofreciendo una valiosa oportunidad para que la IA participe en la exploración científica a un nivel más completo y profundo. Sin embargo, la mayoría de los trabajos previos sobre texto científico se centran en artículos, protocolos o bases de datos estructuradas, dejando las notas de laboratorio informales poco exploradas como entradas para agentes de IA en ciencia. Esta brecha es relevante porque las notas de laboratorio a menudo mezclan observaciones validadas, juicios tentativos y posibles pasos experimentales posteriores dentro del mismo pasaje. Si estas señales se confunden, un agente de IA podría malinterpretar juicios científicos inciertos como conclusiones confirmadas o acciones ejecutables. Con este fin, presentamos Notes2Skills, un marco de dos etapas para convertir cuadernos de laboratorio en habilidades verificables para agentes científicos de IA, preservando al mismo tiempo la certeza del autor. En siete condiciones y tres sesiones de laboratorio húmedo, Notes2Skills es la única configuración que no confunde notas inciertas con instrucciones firmes ni descarta las firmes. Demostramos que la preservación de la certeza es la pieza faltante entre los cuadernos de laboratorio y las habilidades confiables de los agentes, abriendo un camino hacia sistemas de co-científico de IA más seguros.

English

Scientific discovery workflows usually contain and rely heavily on lab notes, where researchers record observations, interpret uncertain results, and plan follow-up experiments. Such informative lab notes preserve evolving scientific reasoning and author uncertainty, rather than polished final results exhibited in publications, providing a valuable opportunity for AI to engage in scientific exploration at a more comprehensive and deeper level. However, most prior work on scientific text focuses on papers, protocols, or structured databases, leaving informal laboratory notes underexplored as inputs to AI agents for science. This gap matters because lab notes often intermingle validated observations, tentative judgments, and possible experimental next steps within the same passage. If these signals are conflated, an AI agent may mistake uncertain scientific judgments for confirmed conclusions or executable actions. To this end, we present Notes2Skills, a two-stage framework for turning lab notebooks into verifiable skills for scientific AI agents while preserving the author's certainty. Across seven conditions and three wet-lab sessions, Notes2Skills is the only configuration that neither mistakes uncertain notes for firm instructions nor discards firm ones. We show that certainty preservation is the missing piece between lab notebooks and reliable agent skills, opening a path toward safer AI co-scientist systems.