OpSafari/hypoarena

解决的问题

提供一个完全离线的工作台，用于测试和开发「AI共同科学家」管道的底层机制。无需依赖实时LLM，允许研究人员使用合成数据，隔离并测试特定组件——如假设生成、证据验证和排序——以确保系统逻辑在部署到真实科学发现之前是合理的。

如何工作

该项目将科学发现过程分解为一系列可测试的阶段：

• 合成文献：生成带有预设因果链和噪声的确定性语料库，以测试恢复率。
• 生成-辩论-演化循环：使用可插拔的代理适配器，通过机制交叉和主张分解等演化算子，提出、批判并修订假设。
• 验证与去重：执行跨度级别的根基性检查（引用和实体重叠），并使用TF-IDF或MinHash LSH去除重复假设。
• 排序与累积：采用Bradley-Terry/Elo锦标赛对假设进行基于标准的排序，并使用贝叶斯更新累积证据。
• 报告生成：无需网络访问，生成字节完全相同的Markdown和HTML报告。

适用人群

需要在受控离线环境中验证其假设发现管道逻辑和性能的科学发现AI代理开发者和研究人员。

特色亮点

• 完全离线：无需网络访问、真实模型或权重下载，主要依赖NumPy。
• 确定性产物：通过标准序列化器确保跨平台字节完全相同输出。
• 全面工具链：从合成语料生成到贝叶斯证据累积，提供一整套组件。
• 根基性验证：特别使用对抗性固定值测试伪造引用和漂移数值。