用 AI 生成研究假设：从文献缺口到可检验假设，再到实验验证

标准

一个立得住的研究假设要满足这 6 条

AI 很容易生成语法正确、听起来新颖的句子。用下面 6 条逐一检查，能筛掉大部分只是“观点”的候选。

缺口

文献缺口有哪几类，各自能变成什么样的假设

让 AI 读文献时，不要只问“这个领域还有什么没做”，而是按缺口类型逐项追问，并要求每条判断都指回具体论文。

方法

从文献缺口到可检验假设的四个步骤

1. 01

   用一轮检索圈定领域

   写清研究对象、方法和时间范围，检索核心文献并按主题分组。比较各组的研究对象、方法和结论，先找出彼此矛盾或互相没有覆盖的地方。

2. 02

   按缺口类型逐项分析

   对照上表，逐类追问结论冲突、方法缺口、场景空白、机制未明和作者自述的局限。每个判断都要能指到具体论文和段落，指不出来的先搁置。

3. 03

   生成多个候选，再统一筛选

   让 AI 针对同一缺口给出多个候选假设，而不是只要一个。用前面 6 条标准打分，保留文献依据最清楚、数据最容易获得的一两条。

4. 04

   写成可证伪的陈述，并做反向审查

   把保留的候选写成“在条件 Z 下，X 的变化会使 Y 朝某个方向变化”，同时写明对应的零假设。再让 AI 站在审稿人立场提出反驳，并补充关键词重新检索，确认没有人做过相同的假设。

检验

写好假设之后：用数据和实验检验它

假设的价值最终要靠证据判断。多数 AI 工具停在“提出假设”这一步，后面的数据获取、分析和迭代才是最耗时的部分。

1. 01

   先定判定标准，再看数据

   动手前写清主要指标、比较对象、统计检验方法，以及多大的效应或什么方向的结果算支持、什么算推翻。看完数据再改标准，结论就不可信了。

2. 02

   选择最便宜的检验方式

   能用公开数据集检验的，不必先做新实验；能用仿真或计算排除的方向，先用计算排除。先跑小规模试验确认流程可行，再扩大规模。

3. 03

   保留代码、数据和日志

   每次分析的数据版本、代码、参数和输出都要能找回。结果出乎意料时，你需要回头确认是假设错了还是流程出了错。

4. 04

   根据结果修正或放弃假设

   结果不支持时，区分是假设本身被证伪，还是测量、样本或方法不足；前者应如实记录，后者才需要调整设计再测一轮。

Scientify

用 Scientify 从形成假设一路做到实验检验

Scientify 是运行在隔离云电脑中的科学智能体。你给出研究目标后，它会持续组织检索策略、尝试获取全文 PDF、提炼假设，再规划并执行实验，根据结果决定下一轮做什么，直到取得研究进展或成果。

文献、代码、依赖、数据、日志、图表和实验结果保存在同一个工作区，每一轮检验都能复现，也能在上一轮的基础上继续迭代。涉及化学、材料或力学的假设，智能体可以连接算力和已授权的计算软件，自主建模、执行计算并分析结果。你关掉电脑后任务继续运行，可以用手机查看进度并给出反馈。

• 核心智能体已开源，GitHub 获得 2k+ Stars
• 相关论文入选 ICML 2026
• 对话历史和工作区文件只保存在隔离云电脑中，Scientify 服务器不存储这些研究数据
• 新注册用户免费获得一台云电脑和 $5 模型额度

分工

哪些判断必须由研究者自己做

• 缺口是否真实：AI 给出的缺口要回到原文核对，再补充检索确认没人做过。
• 研究价值：稀疏不等于重要，值不值得做要由熟悉领域的人判断。
• 判定标准：支持和推翻假设的标准在看数据之前由研究者确定。
• 结果解释：结果为什么支持或不支持假设，以及能推广到什么范围，需要研究者负责。