7月30日，Google Research 介绍了 Science One Framework。这是一套面向自主科研智能体的实验性框架，核心是“证据链”（Chain-of-Evidence）：让模型生成的论文、代码与实验结果之间可以被检查和追溯。

Google 指出，能自动检索资料、提出假设、运行实验并撰写论文的 AI 智能体正在增多，但引用虚构、文字描述与实际代码不一致、实验分数无法复现等问题会削弱研究结果的可信度。该框架要求每一项结论都能追溯到对应的代码、日志、文献或实验结果。

为此，Science One 在研究流程中设置文献溯源、并行探索与论文声明核验等模块。官方还提出 CoE Audit，用于对分数复现、任务规格违规、参考文献真实性和方法—代码一致性进行自动化检查。

据 Google 披露的实验结果，在其选取的基准与任务上，这一原型没有出现“幽灵引用”，并在多项核验指标上优于比较对象。需要注意的是，Google 同时明确：Science One 仍是实验性研究原型，并非可直接投入生产的工具。

对快速发展的 AI 科研智能体而言，这项工作把关注点从“能否产出论文”进一步推向“产出能否被验证”。其实际效果仍有待更多独立复现与真实科研场景检验。

来源：Google Research 于2026年7月30日发布的研究介绍。本文为中文编译与整理。