PROMETHEUS：自动化集成文本、数据与模型的深层因果研究

大型语言模型可以从文本中提取局部因果论断，但这些论断在组织为持久、可导航的世界模型后比作为平坦摘要更有用。我们引入PROMETHEUS，一个将检索到的文献、报告、综述、报告、智能体痕迹、源数据、代码、仿真和科学模型转化为因果图谱：围绕研究基质的显式覆盖的局部因果预测状态模型的编织状结构。每个局部区域包含因果情节、结构化论断表、预测测试、支持统计信息和源头信息；限制图映射比较重叠区域；编织诊断暴露一致性、漂移、矛盾和欠确定性。 resulting Topos World Model 不是单一的通用图。它是用于导航语料库所说话话、说话位置、支持强度以及局部论断何时无法组装成连贯全局视图的研究工具。三个文献图谱案例研究——海洋温度对海洋生物的影响、GLP-1 减肥证据以及红酒/雷司他健康益处论断——展示了来自文本的深层因果研究，具有显式的局部性、证据、持久状态和编织张力。四个基于反事实的案例研究——一篇《天气气候变更》关于微塑料的强制论文、一篇基于 VIC 提取数据和模型代码的印度河流域水文学论文、谢斯蛋白信号研究中的单细胞扰动数据以及一篇《歌手老鼠》研究中的 MAPseq 投影矩阵——显示更强的模式：当论文附带源数据、仿真输出或代码时，PROMETHEUS 可以对该科学基质进行反事实评估，然后围绕该反事实重建编织世界模型。