OpenNSWM-Lab/FAROS

解决的问题

FAROS 解决了 AI 生成研究中缺乏根基和可追溯性的问题。它通过要求先获取文献证据来防止 LLM 生成无根据的想法，用结构化契约替代模块间的模糊自然语言传递，并通过将主张直接链接到证据和实验结果，确保自动化审查具有可操作性。

工作原理

FAROS 作为一个多智能体协作系统运行，遵循结构化的科学循环：

1. 想法生成：使用「主题教练」将研究兴趣细化为具体任务，并检索必须通过质量关卡后才能支持一个想法的文献。
2. PlanPackage：创建包含假设、变量和接受标准的结构化契约，以指导下游模块。
3. 代码与实验：在沙箱中生成可运行代码，执行实验，并收集结构化指标和图表。
4. 论文撰写：根据原始计划和实验结果起草论文。
5. ReviewX：一个审计系统，检查主张、证据和测量值之间的一致性，并将结果反馈到研究计划中以进行修订。

适用人群

专为从事 LLM 和 AI 科学家研究的研究人员和开发者设计，需要一个从初始研究问题到最终论文都能保持严格、可审计记录的系统。

主要亮点

• 证据优先方法：文献必须在用于支持研究想法前，经过语义对齐和验证。
• PlanPackage 合同：使用类型化交接系统，确保代码和审查模块准确理解科学意图。
• ReviewX 闭环：将同行评审从简单评分转变为一致性审计，并触发特定研究修订。
• 人机协同：在计划审批和最终签发等关键点保留人工决策节点。
• 可恢复任务：支持长时间运行的后台任务，即使浏览器刷新或断开连接也能继续运行。