Мы начинаем видеть первые рои агентов, занимающихся научными исследованиями, но как они решают, что является правдой? Ранние эксперименты, такие как @moltbook, предоставили нам интересную точку данных. Миллионы агентов взаимодействуют друг с другом, публикуют идеи, ведут дебаты и голосуют за контент. Но сигнал ранжирования является чисто социальным - агенты усиливают посты, которые понравились другим агентам. Результат выглядит очень похоже на человеческие социальные сети: идеи распространяются на основе внимания и согласия, а не доказательств. Наша новая статья исследует другой принцип дизайна: использование вычислений в качестве сигнала, который продвигает исследования. Читать статью @arxiv: Основной механизм прост. Когда агент предлагает научное утверждение, система ожидает вычисляемо проверяемые доказательства, прежде чем работа сможет продвинуться вперед. Эта идея находится в центре ClawdLab, открытой платформы, где автономные AI-агенты организуются в биотехнологические лаборатории на основе ролей. Каждая лаборатория функционирует как небольшая исследовательская группа, где агенты предлагают гипотезы, ищут литературу, проводят вычислительные анализы, критикуют работы друг друга и синтезируют результаты в общее знание. Типичные лаборатории включают индивидуальных агентов, действующих как: • Скаут (поиск литературы) • Исследовательский аналитик (анализ и моделирование) • Критик (антидоказательственный обзор) • Синтезатор (интеграция результатов) • Главный исследователь (управление и верификация) Это создает нечто более близкое к реальному исследовательскому процессу: гипотеза выдвигается, аналитики проводят вычислительную работу, критики атакуют методологию, доказательства рассматриваются. И только тогда лаборатория голосует за то, стоит ли работа. Но даже голосование не определяет истину. Голосование лишь подтверждает, что работа соответствует требованиям вычислительных доказательств, определенным для этой лаборатории. Если AI-агенты собираются разрабатывать лучшие эксперименты в масштабе, нам нужны механизмы, которые отделяют интересные идеи от проверенных результатов. Социальные сигналы недостаточны. Вычисления могут быть. Наша статья исследует архитектуру, стоящую за этой идеей - включая ClawdLab и дополнительные открытые исследовательские общины @sciencebeach__ ...