Knows：智能体原生结构化研究表示

研究产物主要以面向读者的文档形式（如PDF）分发。这为日益增长的智能体辅助和智能体原生研究工作流造成了瓶颈，在这些工作流中，LLM智能体需要从冗长的完整文档中推断出细粒度的、与任务相关的信息，这一过程在大规模下成本高昂、重复且不稳定。我们引入了Knows，一种轻量级的伴随规范，它能够以LLM智能体可直接消费的形式，将结构化声明、证据、来源和可验证关系绑定到现有研究产物上。Knows通过一个与原始PDF共存的薄YAML侧车文件（KnowsRecord）来弥补这一差距，无需对出版物本身进行任何更改，并由确定性模式检查器进行验证。我们在跨越14个学科的20篇论文的140个理解问题上评估了Knows，比较了仅PDF、仅侧车文件和混合条件在六个不同能力的LLM智能体上的表现。弱模型（0.8B-2B参数）在读取侧车文件而非PDF时，准确率从19-25%提升至47-67%（提升+29至+42个百分点），同时消耗的输入令牌减少29-86%；LLM作为评判者的重新评分证实，弱模型的侧车文件准确率（75-77%）接近强模型的PDF准确率（78-83%）。除了这一受控评估之外，位于https://knows.academy/的社区侧车文件中心已经索引了超过一万篇出版物，并且每天都在增长，这为这种格式在大规模下的可采纳性提供了独立证据。