Intern-Atlas：AI科学家的数据驱动方法演化图谱

现有的研究基础设施本质上是以文档为中心的,提供论文之间的引用链接,但缺乏对方法论演化的显式表示。特别是,它无法捕捉解释研究方法如何产生、如何适应以及如何在彼此基础上构建的结构化关系。随着AI驱动的研究智能体作为新型科学知识消费者的出现,这一限制变得日益严重,因为这些智能体无法可靠地从非结构化文本中重建方法演化拓扑。我们提出Intern-Atlas,一种方法论演化图谱,该图谱自动识别方法级实体、推断方法论之间的血缘关系,并捕捉驱动 successive 创新之间转换的瓶颈。该图谱构建于1,030,314篇涵盖AI会议、期刊和arXiv预印本的论文之上, resulting graph 包含9,410,201条语义类型化边缘,每条边都以字面原始证据为依托,形成一个可查询的因果方法发展网络。为实现该结构,我们进一步提出一种自引导时序树搜索算法,用于构建演化链,以追踪方法随时间的演进。我们评估了所得图谱的质量,并观察到其与专家精选的演化链之间的强对齐。在此基础上,我们展示了Intern-Atlas支持idea evaluation和自动idea generation等下游应用。我们将方法论演化图谱作为 emerging automated scientific discovery 的基础数据层予以定位。