LabChin研究专用模块开发中

投入大量时间前, 先确认研究方向。

LabChin是基于ATF Works开发中的研究系统,旨在减少研究者因未核实假设和重复失误而浪费的时间。先确定什么需要核查,再选择适当方法,将依据交给研究者支持下一步判断。

研究人员与 AI 伙伴一起比较样本和原始记录的实验室示意场景

共享工作基础,专为研究而设。

LabChin基于ATF Works的资料与文件历史设计,让研究者能复核选择方向的原因、失败条件及未知事项,用于下一次判断。

了解 ATF Works

投入更多时间之前

继续投入研究时间之前, 应该先核查什么?

从研究者的目标、已有尝试、资料和设备以及时间限制出发。保留能带来新认识的失败,减少本可提前发现的问题和没有收获的重复。先核查一旦错误就会改变方向的假设,再投入昂贵计算或正式实验。

研究判断流程开发中

  1. 找出影响方向的假设

    检查预期效果是否可行、条件是否匹配、副作用是否抵消收益,以及实验能否区分差异。

  2. 选择足以判断的小规模核查

    按需选择原文与记录、简单计算、小段代码、仿真或预实验。需要实际测量的问题不能只用AI解释作答。

  3. 依据证据更新判断

    结合适用条件提出继续、修改、暂缓或建议停止。证据不足时不直接淘汰候选方案,而是保留判断并列明补充核查条件。

  4. 留下可复核和复用的判断记录

    区分原始资料、AI解读与代码、执行结果、人工修改及批准。记录失败条件和待解问题,供后续工作复核。

避免快速核查带来错误确信。

过于粗略或短暂的计算可能遗漏缓慢现象和关键差异。某一条件下的负面结果不代表整个研究没有价值。应记录模型局限、剩余不确定性及需要补充的依据。

可供研究者复核的判断记录

目标是同时交付当前判断、支持它的原文及计算或测量、剩余不确定性和下一步行动,并注明什么结果会改变方向。文件历史让判断可追溯和复用。

用于候选比较参考的RPM

RPM比较研究候选方案,选择优先投入有限执行资源的方向。论文在机器学习任务上评估。LabChin将其作为候选比较方法的参考,在其他科学领域的效果仍需单独验证。

阅读RPM论文原文

以上为开发方向。实际引擎集成与研究时间节省效果尚未验证。实际测量和重要执行由研究者决定。

查看研究判断的评估标准

从眼前的 研究任务开始。

依次查看三个研究任务的判断依据、工作文件与待确认问题。

01

从问题到调研报告

本次研究要求

比较少量训练数据条件下的缺陷检测方法,生成有原文依据的报告。

报告中的句子旁边,放着它出自的原文。

报告中的句子旁边,放着它出自的原文。

  1. 01

    明确目标

    确认问题、范围和完成标准。

    • 范围:少量标注图像的缺陷检测。
    • 必要成果:方法比较、原文依据、未决问题。
  2. 02

    收集证据

    收集原文与相关历史工作。

    • 比较训练数据需求、验证方法和部署条件。
    • 区分论文报告的结果与团队实测结果。
  3. 03

    审查

    区分当前证据与过时假设。

    • 其他数据集的性能不代表实际生产图像的性能。
    • 下一步:选择方法前先准备独立评估数据。
  4. 04

    整理成果

    整理报告、来源和后续工作。

    • 成果:方法比较报告及关联来源记录。
    • 后续:与研究负责人确定数据划分和验收标准。
查看此任务的文件
02

根据历史记录准备实验

本次研究要求

根据之前的流程和当前设备设置,准备传感器校准实验。

在执行之前,先确认已批准的流程和当天的条件。

在执行之前,先确认已批准的流程和当天的条件。

  1. 01

    明确目标

    确认问题、范围和完成标准。

    • 范围:准备校准计划,不操作设备。
    • 必要输入:批准流程、当前设置、测量条件。
  2. 02

    收集证据

    收集原文与相关历史工作。

    • 复用protocol-v2.md中的批准流程。
    • 使用equipment-current.md中的当前设置。
  3. 03

    审查

    区分当前证据与过时假设。

    • 负责人确认变更条件之前不执行。
    • 校准前先确定基准测量值和允许范围。
  4. 04

    整理成果

    整理报告、来源和后续工作。

    • 成果:reviewed-plan.md及必要输入列表。
    • 状态:等待负责人审查,未执行设备操作。
查看此任务的文件
03

继续之前的工作

本次研究要求

继续上个月的项目报告,保留已批准的格式,使用本月的测量值。

保留已批准的结构,只把事实换成本月的输入。

保留已批准的结构,只把事实换成本月的输入。

  1. 01

    明确目标

    确认问题、范围和完成标准。

    • 恢复位置:报告格式已批准,测量资料已更新。
    • 保留已完成工作并确认剩余任务。
  2. 02

    收集证据

    收集原文与相关历史工作。

    • 读取report-approved.md的格式和measurements-current.csv的事实。
    • 上月文件仅作为历史记录保留。
  3. 03

    审查

    区分当前证据与过时假设。

    • 将所有数值与本月输入核对。
    • 不重复已完成的文件写入。
  4. 04

    整理成果

    整理报告、来源和后续工作。

    • 成果:更新报告、来源列表和待审查事项。
    • 可复用记忆候选:有来源记录的批准报告格式。
查看此任务的文件

成果旁边, 保留形成成果的依据。

应区分原始资料、AI解读与代码、执行结果及人工审核,让判断可追溯和复用。下方展示各任务的文件内容,也可下载为Markdown文档。

任务成果

从问题到调研报告

下载示例研究包
LabChin / 示例版本 1个人文件

首先明确问题

research-brief.md

开始前记录目标、范围和完成标准。

LabChin / 示例版本 1项目内共享

结论之前先看证据

source-records.md

将原文与其支持的论点和局限关联。

LabChin / 示例版本 1个人文件

证据如何改变判断

analysis-notes.md

比较方法,保留待确认的问题。

LabChin / 示例版本 1项目内共享

供下一项工作复用的成果

research-report.md

同时记录结论、证据、未决问题和下一步行动。

关联来源

论文原文

确认方法、实验和作者指出的局限。

需要审查

任务成果

根据历史记录准备实验

下载示例研究包
LabChin / 示例版本 1项目内共享

已获批准的流程

protocol-v2.md

复用已批准的流程,并检查其前提是否仍然成立。

LabChin / 示例版本 1项目内共享

当天的设置,而非上次运行

equipment-current.md

使用当前设置文件,而不是上次运行的配置。

LabChin / 示例版本 1个人文件

等待人工审查的计划

reviewed-plan.md

记录必要输入和允许范围。未执行任何设备操作。

关联来源

已批准的实验流程

复用已批准的流程,检查前提是否仍然成立。

需要审查

任务成果

继续之前的工作

下载示例研究包
LabChin / 示例版本 1项目内共享

沿用的报告结构

report-approved.md

原样复用已批准的报告结构。

LabChin / 示例版本 1项目内共享

本月测量资料

measurements-current.csv

数值取自本月输入。上月文件作为历史保留,不作为当前事实。

LabChin / 示例版本 1项目内共享

接着写,而不是重来

research-report.md

保留已完成部分,只续写剩余内容,并记录待审查事项。

关联来源

本次测量资料

以本次任务输入作为当前事实依据。

需要审查

选择方法,用数据验证。

研究也包括数据分析与模型开发。LabChin 计划先定义问题,参考类似机器学习问题的解决案例,再将方法与代码、实验及验证记录连接起来。

机器学习流程开发中

研究桌上的五个编号场景:01分析问题,02数据与类似案例,03分离训练和评估数据,04代码与实验记录,05验证报告与后续问题。
  1. 定义分析问题

    明确分析或预测目标、结果用途及成功标准。

  2. 理解数据与类似案例

    检查缺失值、不平衡及时间变化,并了解类似方法的适用局限。

  3. 设计建模与实验

    设计数据处理与模型输入,确定基准模型,分离训练和评估数据。

  4. 实现模型并开展实验

    执行代码并比较各次尝试,同时记录设置变化、错误和结果。

  5. 验证结果并继续研究

    使用保留的评估数据检查结果,记录失败条件及下一步所需的数据或实验。

保留结果及其形成过程。

目标是将问题、数据、参考案例、处理代码、实验条件及评估报告连接到同一研究记录中。

查看评估计划

让研究人员 掌握判断。

三项设计原则,将证据、研究人员的审查和项目历史联系起来。

了解底层技术

让主张与原文相伴。

比较方法时,设计上需保留原文段落、实验条件和局限。缺少证据的部分保留为待确认的问题。

执行之前,先审查计划。

AI 执行系统旨在将目标拆解为包含输入、工具和审查节点的步骤。设备连接及研究人员批准后的执行功能正在开发中。

沿用方法,重新确认事实。

复用经过审查的流程和报告结构。旧测量值作为历史保留,当前结论采用本次输入。研究记忆正围绕来源、版本和有效时间进行设计。

从夜间调研,到下一次实验。

LabChin旨在成为研究伙伴,在研究者离开时阅读资料并准备想法。它将研究笔记与洞见连接到由人选择的下一项任务。

LabChin功能设计 / 开发中

  1. 夜间调研,早晨简报

    委托的工作
    设定主题、检索范围、执行时间与预算,委托离开期间的阅读和调研计划。
    获得的成果
    早晨查看新证据、提出的想法以及需要人工决策的事项。
  2. 提出下一项研究想法

    委托的工作
    比较现有结果与相关论文,探索新的假设和研究方法。
    获得的成果
    比较支持证据与反证,决定采纳或暂缓各项建议。
  3. 整理相关论文与资料

    委托的工作
    按主题收集论文和内部资料,去除重复,提取相关方法与变量。
    获得的成果
    获得按主题整理的资料、原文来源以及可比较的方法和条件。
  4. 用研究笔记保留过程

    委托的工作
    将问题、实验条件、观察内容与原始文件关联到同一研究记录。
    获得的成果
    结合当时的条件,回顾修改了什么、观察到了什么。
  5. 从记录中发现洞见

    委托的工作
    比较历史实验与新结果,整理差异、共同点和仍未解释的现象。
    获得的成果
    获得区分事实与解释的整理,以及待解问题和后续调研事项。
  6. 将假设转为实验设计

    委托的工作
    指定假设与约束,审查变量、对照条件、样本和成功标准。
    获得的成果
    比较候选实验与条件,由研究者选择并修改设计。
  7. 形成可审批的执行计划

    委托的工作
    将选定的实验拆成步骤,检查各阶段的输入输出是否匹配。
    获得的成果
    审查执行顺序和所需工具。设备执行设计为在研究者批准后进行。
  8. 连接样本与设备

    委托的工作
    将样本、设备、预约与设置关联到研究任务。
    获得的成果
    在实验计划中确认哪个样本使用哪台设备以及哪些条件。
  9. 追溯结果的证据与变更

    委托的工作
    将原始文件、执行记录、条件与结果保留在实验资料包中。
    获得的成果
    从报告结果追溯到原始资料,了解版本之间的变更原因。
  10. 第二天继续研究

    委托的工作
    从历史记录、已采纳的建议与未完成任务继续工作。
    获得的成果
    复用仍有效的方法,更新过时事实,继续下一项任务。
查看支撑设计的判断

从团队的真实 研究任务开始。

通过试点,将团队的证据、流程和工作文件延续到下一次研究。

咨询试点