OpenNSWM-Lab/FAROS

解決的問題

FAROS 解決了 AI 生成研究中缺乏根基與可追蹤性的問題。它透過要求先取得文獻證據，防止 LLM 產生無根據的想法，以結構化契約取代模組間模糊的自然語言傳遞，並透過將主張直接連結至證據與實驗結果，確保自動化審查具可操作性。

工作原理

FAROS 作為一個多智能體協作系統運作，遵循結構化的科學循環：

1. 想法生成：使用「主題教練」將研究興趣細化為具體任務，並檢索必須通過品質門檻後才能支持一個想法的文獻。
2. PlanPackage：建立包含假設、變數與接受標準的結構化契約，以指導下游模組。
3. 程式碼與實驗：在沙盒中產生可執行程式碼，執行實驗，並收集結構化指標與圖表。
4. 論文撰寫：根據原始計畫與實驗結果起草論文。
5. ReviewX：一個審計系統，檢查主張、證據與測量值之間的一致性，並將結果回饋至研究計畫以進行修訂。

適用對象

專為從事 LLM 與 AI 科學家研究的研究人員與開發者設計，需要一個從初始研究問題到最終論文皆能保持嚴謹、可審計紀錄的系統。

主要亮點

• 證據優先方法：文獻必須在用於支持研究想法前，經過語意對齊與驗證。
• PlanPackage 合約：使用類型化交接系統，確保程式碼與審查模組能準確理解科學意圖。
• ReviewX 閉環：將同儕審查從單純評分轉變為一致性審計，並觸發特定研究修訂。
• 人機協同：在計畫審核與最終簽署等關鍵點保留人工決策門檻。
• 可恢復任務：支援長時間執行的背景工作，即使瀏覽器重新整理或斷線也能持續運作。