网络智能：人类-人工智能团队的主动共享上下文图

arXiv:2607.13220v1 公告类型：新 摘要：大多数人工智能科学系统专注于通过更好的模型、更大的上下文窗口、长视野代理执行或与一个主要用户合作的数字联合科学家来扩展单一推理过程。然而，具有挑战性的科学问题很少仅靠一个推理者就能解决。这些问题是由团队成员解决的，这些团队的成员具有不同的先验、实验背景、隐性知识和领域训练的直觉。因此，开放的问题不仅是如何扩展模型，而且是如何培养网络智能：扩展人类和人工智能系统之间的连接，以便在一种情况下产生的结果或假设到达可以对其采取行动的另一个人、代理人、仪器或机器人。我们推出了 Mycelium，这是一个活跃的共享工作空间，可以作为多用户联合科学家自动连接研究人员和 AI 代理。当人类用户和代理工作时，系统捕获重要的观察结果和假设，跟踪它们与团队不断发展的模型的关系，并将它们发送给他们可以通知其下一个决策的人员或代理。我们在其第一次实证测试中评估了 Mycelium，这是一项生物多组学活动，其中路由共享上下文将局部分析发现转变为跨专家机制约束，并最终转变为实验设计。我们还为网络智能提供了一个计算帐户，作为分布式科学背景下的稀疏条件计算。这个帐户区分了扩展的独立代理何时可以匹配网络以及独立的专业知识和不可合并的上下文使网络不可简化。