基于文献锚定的自主研究：从语料库到前沿计算物理学论文的容错LLM流水线
TLDR
一个LLM流水线自主进行文献综述、复现实验、执行新颖计算并撰写凝聚态物理学论文，具有容错能力。
评分理由
Strengths: novel fault-tolerant pipeline with grounding in literature, real-world application in physics. Weaknesses: limited to one domain, requires human intervention at reproduction failures, scalability unclear.
Read-first 评分解释
综合优先阅读分 70.5，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 94。
研究版图角色
前沿论文方法锚点
排序敏感性
稳定性：volatile；排名波动范围：44。
关键词评分
深度分析
创新点
- 从文献语料库到计算物理学可发表论文的端到端自主研究流水线，全程基于文献锚定。
- 通过仅共享磁盘状态的47个会话中的新上下文隔离、分布式锚定和对抗性审查实现容错。
- 通过复现已发表参考文献来校准方法学，防止幻觉。
- 在校准检查点通过结构性强制的数值对质作为有效锚定机制，通过配对故障模式消融实验隔离。
- 有限的人类干预仅限于复现失败时的操作知识整理，而非科学方向指导。
方法
该流水线摄入包含11,083篇凝聚态物理arXiv论文的语料库，自主映射语料库以构思研究方向，通过复现已发表参考文献进行校准，进行新颖的第一性原理计算，并撰写论文。它跨越六个阶段，在47个仅共享磁盘状态的新上下文会话中运行，涉及2,162次文献咨询事件。容错性通过冗余实现：新上下文隔离、分布式锚定和对抗性审查。前导和后导阶段完全自主；试点阶段仅在复现失败时需要人类干预。两个消融实验（前架构基线和无试点）隔离了校准检查点的锚定机制。
关键结果
该流水线生成了一篇可发表级别的论文，包含关于交变磁压电效应的三个实质性物理学发现，全程基于文献锚定；容错设计与校准检查点防止了幻觉，并量化了干预模式。
局限性
- 试点阶段在复现失败时需要有限的人类干预，因此流水线并非完全端到端自主。
- 仅在一个计算物理学子领域（交变磁压电效应）中使用特定的近期arXiv论文语料库进行了演示。
- 依赖于大量近期文献语料库的可用性进行校准；未展示向缺乏此类锚定的领域的泛化能力。