检测 AI 智能体科学理论转变的层论传输与阻碍
人工智能
2026-05-15 v1 机器学习
摘要
AI 智能体中的科学理论转变需要的不仅仅是将方程拟合到数据。一个人工科学智能体必须检测现有的表示框架是否仍可传输到新情形，或者其语言是否已出现局部到全局的阻碍而必须被扩展。本文发展了一个有限层论框架，通过传输与阻碍来检测理论转变候选者。上下文被组织为局部到全局的结构，其中源、重叠、目标和验证图表被拟合、限制并测试拼接。阻碍通过残差拟合、重叠不兼容性、约束违反、极限关系失败和表示成本来衡量一致性的失败。我们在一个受控的转换卡片基准上评估了该框架，该基准旨在区分源语言内的形变与该语言的扩展。主要结果是直接的阻碍排序：预期的形变或扩展通常是阻碍最低的候选者，且转换类型在基准中得以区分。基于相同签名的星座核仅作为次要的表示相似性探针包含在内。本文目的不是重构历史范式转变或解决开放式的自主理论发明，而是为 AI 智能体隔离出一个有限诊断子问题：检测表示传输何时失败以及扩展何时成为连贯的下一步。
引用
@article{arxiv.2605.14033,
title = {Sheaf-Theoretic Transport and Obstruction for Detecting Scientific Theory Shift in AI Agents},
author = {David N. Olivieri and Roque J. Hernández},
journal= {arXiv preprint arXiv:2605.14033},
year = {2026}
}