Notes2Skills: от лабораторных журналов к навыкам научного агента, учитывающим достоверность

Аннотация

Научные исследовательские процессы, как правило, включают лабораторные записи, которые играют ключевую роль: в них исследователи фиксируют наблюдения, интерпретируют неопределенные результаты и планируют последующие эксперименты. Такие информативные записи сохраняют эволюцию научных рассуждений и авторскую неопределенность, в отличие от отшлифованных конечных результатов, представленных в публикациях, что открывает ценные возможности для ИИ в более глубоком и всестороннем научном поиске. Однако большинство предыдущих работ по научным текстам сосредоточено на статьях, протоколах или структурированных базах данных, оставляя неформальные лабораторные записи недостаточно изученными в качестве входных данных для агентов ИИ в науке. Этот пробел важен, поскольку в лабораторных записях часто смешиваются подтвержденные наблюдения, предварительные суждения и возможные следующие шаги в одном абзаце. Если эти сигналы не различать, агент ИИ может принять неопределенные научные суждения за подтвержденные выводы или выполнимые действия. Для решения этой проблемы мы представляем Notes2Skills — двухэтапную структуру, которая преобразует лабораторные записи в проверяемые навыки для научных агентов ИИ, сохраняя при этом степень определенности автора. В семи сценариях и трех лабораторных сессиях Notes2Skills оказался единственной конфигурацией, которая не принимает неопределенные записи за твердые инструкции и не отбрасывает твердые. Мы показываем, что сохранение определенности является недостающим звеном между лабораторными записями и надежными навыками агентов, открывая путь к более безопасным системам ИИ-соисследователей.

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.