知识获取与研究综合
获取相关论文、图表、数据和代码，形成可追踪证据链，结构化已有 claim、方法、实验结果和局限性。
基于科学文献挖掘的知识发现
科学任务求解决定模型能否完成预测、诊断与优化；科学知识发现进一步追问：这些结果能否形成新的规律、机制、边界与可检验假设。
TL;DR:
Lewen API、Academic Search、PaperScout、PaperArena 与学术乐问共同支撑从多源证据获取、知识综合到发现线索生成和验证反馈的完整过程。
科学任务求解会产生预测、仿真和实验结果，但孤立结果并不自动构成科学知识。科研智能体需要把文献、图表、实验数据、代码资源与任务结果连接起来，识别一致证据、冲突结论、因果线索、稳定规律和适用边界。
科学知识发现也不应止步于总结已有研究。它需要识别知识缺口，组织证据链，生成可证伪假设，设计实验或仿真验证，并依据反馈更新结论，推动 Prediction Intelligence 向 Research Intelligence 演进。
真正的科学知识发现不止回答已有研究说了什么，
而是基于可追踪证据提出关于规律、机制和边界的新判断，并给出可验证路径。
Evidence
文献、图表、实验与代码证据
Structure
Claim、方法、条件与结果结构化
Reason
跨文献综合与冲突辨析
Discover
规律、机制、边界与假设
Validate
实验与仿真反馈、知识更新
Cognitive Leap
从知识获取走向科学知识发现
知识获取解决“证据在哪里、结论是什么”；知识发现进一步解决“哪些规律可以成立、机制为何发生、边界在哪里、下一步如何验证”。
科学知识发现
跨来源综合一致与冲突证据，识别潜在规律、因果机制和适用边界，生成可证伪假设与验证方案。
evidence chain
claim graph
causal mechanism
invariant
validity boundary
conflicting evidence
negative result
testable hypothesis
experimental implication
Discovery Loop
从证据获取到可验证的新知识
科学知识发现需要把检索、理解、推理和验证组织为连续闭环，使每个新判断都有来源、有边界、可证伪并能被实验更新。
-
1获取与追踪多源证据 围绕知识缺口检索论文、图表、数据、代码和实验记录，保留来源、引用关系、条件与可信度。
-
2结构化并综合已有知识 抽取 claim、方法、实验条件、结果和局限，连接跨文献的一致证据、冲突结论与缺失环节。
-
3识别规律、机制与适用边界 从重复现象与差异条件中寻找稳定关系、因果路径、守恒量、临界变化和模型失效边界。
-
4生成并验证可证伪假设 把发现线索转化为明确假设，设计区分性实验或仿真，并依据新证据更新知识结构。
Discovery Infrastructure
五层发现基础设施：数据、技能、智能体、评测、应用
Lewen API、Academic Search、PaperScout、PaperArena 与学术乐问把底层证据、智能检索、跨文献推理、过程评测和真实反馈连接为可迭代的知识发现系统。
Layer 5
学术乐问
面向科研用户的发现入口，支持证据问答、深度调研、研究脉络分析、假设讨论与用户反馈。
Layer 4
PaperArena
评估智能体的工具规划、跨文献推理、证据忠实度、冲突辨析、边界识别和发现就绪度。
Layer 3
PaperScout
围绕知识缺口自主规划检索路径，获取并验证证据，组织跨文献关系并形成规律与假设线索。
Layer 2
Academic Search
封装多源检索、Query 扩展、引用追踪、证据筛选和研究脉络发现，作为 Agent 可调用技能。
Layer 1
Lewen API
提供论文、元数据、引用关系、开放全文、图表与多模态材料等可追踪证据访问能力。
从证据接口到真实科研反馈，形成可调用、可评测、可验证、可持续更新的科学知识发现闭环。
Evidence Layer
Lewen API：可追踪证据底座
Lewen API 把分散的科学信息资源转化为可组合、可追踪、可扩展的证据接口，为技能调用、智能体推理和发现结论验证提供统一底座。
多源科学证据访问
围绕论文、元数据、引用关系、开放全文、图表、实验信息和多模态材料提供统一接口。
可追踪证据对象
记录来源、引用、条件和版本，使发现结论能够回溯、复核、比较并被新证据更新。
Skill Layer
Academic Search：证据检索与追踪技能
Academic Search 将多源检索、Query 扩展、元数据补全、开放获取判断、引用追踪和结果筛选封装为 Agent Runtime 可调用的证据获取技能。
-
1Search and Expand 执行多源学术检索、查询改写、Query 扩展和相关论文发现，提升复杂研究问题的召回覆盖。
-
2Complete and Filter 补全标题、作者、摘要、venue、年份、DOI、开放获取状态等元数据，并对结果进行去重和筛选。
-
3Trace and Ground 沿引用、被引、相关工作和开放全文路径追踪证据来源，为后续知识综合提供可验证依据。
Agent Layer
PaperScout：面向知识缺口的自主检索智能体
PaperScout 围绕知识缺口自主规划检索路径，调用 Academic Search 等技能完成证据获取、筛选、验证和组织，把论文搜索转化为面向发现目标的多轮决策过程。
规划知识缺口
围绕科研任务识别知识缺口，规划检索路径，决定调用哪些学术检索、引用追踪和证据工具。
调用检索技能
调用 Academic Search 等技能完成多源检索、Query 扩展、元数据补全、开放获取判断和引用追踪。
验证证据可信度
判断哪些论文值得深入阅读，检查引用链路、实验结论、适用边界和证据可信度。
形成发现线索
综合一致证据、冲突结论和方法边界，形成上层 Agent 可进一步推理和验证的规律与假设线索。
Evaluation Layer
PaperArena：知识推理与发现能力评测
PaperArena 不只检查最终答案，还诊断智能体能否正确选择工具、整合跨论文证据、保持引用忠实，并在证据不足或相互冲突时修正推理。
Tool Planning
评估智能体是否能在 Academic Search、引用追踪、图表解析、代码执行和数据库查询之间做出合理选择。
Cross-paper Reasoning
诊断智能体能否整合多篇论文中的方法、实验、局限性和引用关系，形成一致结论。
Evidence Grounding
检查答案是否有可追踪证据支撑，引用是否准确，关键 claim 是否来自可信来源。
Discovery Readiness
诊断智能体能否识别证据冲突、方法边界、机制线索和可验证假设，并把过程指标转化为训练反馈。
Application Layer
学术乐问：面向真实科研问题的发现入口
学术乐问把证据底座、检索技能、研究智能体和过程评测连接到真实科研问题，让发现线索接受研究者追问、比较和反馈。
学术知识问答
用户用自然语言提出研究问题，系统返回带证据来源、引用链路和可追踪依据的回答。
深度检索与文献调研
围绕复杂主题执行多轮检索、相关工作发现、文献筛选、证据追踪和研究脉络整理。
假设与研究设计
围绕证据缺口提出候选机制与可验证假设，辅助设计区分性实验、仿真方案和后续研究路径。
真实用户反馈
通过研究者的追问、反例、修正和验证结果更新证据权重、推理链与知识结构。
Research Loop
与科学任务求解形成科研闭环
科学任务求解产生预测、仿真与实验结果；科学知识发现将这些结果与已有证据综合，提出新规律和假设，再交由实验或仿真验证。
知识形成闭环：
规律发现 → 假设提出 → 实验验证 → 知识形成
科学任务求解
围绕性质预测、时序诊断、方程求解、仿真加速和实验优化产生可量化结果、误差与反馈。
科学知识发现
将结果与文献证据连接，识别规律、机制和适用边界，形成可证伪假设并沉淀为可迁移知识。
Resources
相关资源链接
以下项目共同构成当前科学知识发现基础设施，分别提供证据访问、检索技能、自主智能体、过程评测和真实用户反馈。
| 模块 | 定位 | 链接 |
|---|---|---|
| Lewen-API | 证据底座：提供科学文献、元数据、引用关系、开放全文、图表和多模态材料的可追踪访问。 | GitHub · Docs |
| Academic Search | Skill 技能层：封装多源检索、Query 扩展、元数据补全、引用追踪、证据筛选和研究脉络发现。 | GitHub |
| PaperScout | 智能体层：围绕知识缺口规划检索路径，调用技能获取、验证并综合证据，形成发现线索。 | Project · Paper |
| PaperArena | 评测层：评估工具规划、跨论文推理、证据忠实度、冲突辨析、边界识别和发现就绪度。 | Paper · Code |
| 学术乐问 | 用户应用层：面向科研用户提供证据问答、深度调研、假设讨论、研究设计和真实反馈。 | Lewen API 文档 |
| 学术鲁班 | 面向科研场景的 Skills 管理、分发与共建平台，支撑科研能力单元的生态化扩展。 | 服务维护中 |