FirstResearch：法学硕士科学发现代理的可审计问题形成

arXiv:2607.05682v1 公告类型：新 摘要：用于科学发现的法学硕士系统越来越多地协助构思、文献综合、实验规划和报告生成，但他们提出的第一个研究问题仍然难以审核：在不暴露科学家应该检查的机制、证伪者或假设的情况下，它可能听起来似乎合理。我们介绍 FirstResearch，这是一个针对科学法学硕士代理人的第一性原理研究问题形成框架，其核心工件是结构化的研究问题证书。该证书记录了原始定义、假设、机制模型、紧张或矛盾、可证伪的假设、最小决定性测试和失败更新规则，使得提出的问题在下游执行之前可检查。在十个 LLM 代理研究主题上，FirstResearch 的表现优于受 AI 联合科学家、代理实验室和 AI Scientist-v2 在主要 DeepSeek 盲评协议下启发的受控即时水平基线。 Gemini-2.5-Flash 独立评审对相同的 40 个基线软件包进行重新评分，保留了系统级排名，FirstResearch 得分为 4.86/5，最强基线得分为 4.38/5，Pearson 一致性平均得分为 0.865。一次重复消融检查点进一步表明，以证书为中心的核心是最强的组成部分：仅证书得分在 DeepSeek 下达到 4.90/5，在 Gemini 下达到 4.88/5，而删除证书在两位评判下均降至 1/5 以下。这些结果是初步的，并且使用了法学硕士法官而不是人类领域的专家，但它们支持狭隘的科学发现主张：明确的推导约束是使法学硕士生成的科学问题更具可审核性的有前途的机制。代码、提示、保存的输出和复制脚本可在 https://github.com/louiswang524/FirstResearch 上找到。