Notes2Skills: De Cadernos de Laboratório a Habilidades de Agentes Científicos Conscientes da Certeza

Resumo

Fluxos de trabalho de descoberta científica geralmente incluem e dependem fortemente de notas de laboratório, onde pesquisadores registram observações, interpretam resultados incertos e planejam experimentos de acompanhamento. Essas notas de laboratório informativas preservam o raciocínio científico em evolução e a incerteza do autor, em vez de resultados finais refinados exibidos em publicações, oferecendo uma oportunidade valiosa para a IA se envolver em exploração científica em um nível mais abrangente e profundo. No entanto, a maioria dos trabalhos anteriores sobre texto científico concentra-se em artigos, protocolos ou bancos de dados estruturados, deixando notas de laboratório informais subexploradas como entradas para agentes de IA na ciência. Essa lacuna é importante porque as notas de laboratório frequentemente misturam observações validadas, julgamentos provisórios e possíveis próximos passos experimentais dentro do mesmo trecho. Se esses sinais forem confundidos, um agente de IA pode interpretar julgamentos científicos incertos como conclusões confirmadas ou ações executáveis. Para isso, apresentamos o Notes2Skills, uma estrutura de dois estágios para transformar cadernos de laboratório em habilidades verificáveis para agentes de IA científica, preservando a certeza do autor. Em sete condições e três sessões de laboratório úmido, o Notes2Skills é a única configuração que não confunde notas incertas com instruções firmes nem descarta instruções firmes. Mostramos que a preservação da certeza é a peça que faltava entre cadernos de laboratório e habilidades confiáveis de agentes, abrindo caminho para sistemas mais seguros de co-cientistas de IA.

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.