模型更新之后，科学结果还能复现吗？

一个研究团队保存了数据、公开了代码，仍可能在一年后发现，某项 AI 辅助研究结果无法重新构建。缺失的环节也许发生在两者之间：智能体排除了哪些观测，选择了哪一种解释，或者调用了哪个外部服务。一份流畅的实验说明，不一定能让这些决定显现出来。

近期研究把它变成了具体的设计问题。Dunn、Schultz 和 Musser 的 Patterns 论文于2026年9月4日在线发表，区分了两种用途：让大模型帮助构建可保存的分析产物，以及让模型参与分析实际运行。研究团队需要保存什么，取决于这种区别。

本文的判断是，AI 科研产品除了让分析更容易执行，还应让结论的边界可以检查：哪些内容来自观测，哪些来自人为或模型判断，什么变化足以改变结论。这与重复生成两份同样漂亮的报告，是不同的承诺。

从可能改变结果的决定开始

设想一项仓库温度传感器研究。研究者比较更换通风设备前后的环境，助手帮助标记异常读数、整理记录、制作图表。这是用于说明问题的假设案例，并非某个真实项目的研究发现。

假如一个传感器在维修期间出现明显升温，排除该读数可能合理，因为设备当时被断开；保留它也可能合理，因为维修过程本身就是工作人员实际经历的环境。两套流程都能顺利运行。这里的科学分歧在于研究要回答什么，以及为什么排除某项观测，而不是程序有没有报错。

因此，有用的存档需要把重要决定与输入和理由连接起来。应保存的对象可以是一张表：被排除的观测、原始数值、适用规则，以及接受这条规则的研究者。聊天记录能够补充背景，但让另一个模型阅读长对话并推断规则，又增加了一次判断。后来者不应只能从对话语气中猜测数据筛选标准。

这也是存档与录像的差别。录像记录发生过的活动；围绕结论组织的存档，则让质疑结论所必需的关系可以查阅。这并不要求把私人数据全部公开。团队可以说明哪些材料需要受控访问，以及谁有权批准查阅。

重现数字与维护结论，需要不同检查

FABRIC 复现预印本于2026年10月7日修订，报告了 AI 在环境配置方面的帮助，也指出分析流程不清晰时仍需要人指导。这些案例不能证明普遍适用的生产率提升。

回到假设中的仓库研究，可以分别开展三种检查。第一种检查，存档的输入和程序能否得到报告中的估计值。第二种检查，对有疑问的读数采用其他合理处理方式，会不会改变结果方向。第三种检查，考虑天气或营业时间变化后，这项比较是否足以支持研究者提出的解释。通过第一种检查，不等于后两种问题也有了答案。

把它们分开，可以避免一种昂贵的误解：团队投入大量时间，让输出与原结果完全一致，却没有提高解释的稳健性。反过来，如果研究预先说明了允许误差及其理由，少量数值差异也未必推翻结论。不能因为复跑结果恰好偏离原值，才事后挑选一个能容纳差异的标准。

在仓库案例中，研究问题发生改变，也值得单独记录。平均温度的比较，并不能自动说明工作人员在最热一小时承受的环境。即使使用同一组观测，选择不同时间窗口，也可能改变研究的含义。审阅者应能了解是谁提出变化、理由是什么，以及决定发生在查看结果之前还是之后。

对话入口背后，仍需稳定的研究对象

2026年9月16日发表于 Nature 的 Paper2Agent，展示了通过经过测试的可执行工具，让智能体提供论文方法的使用入口。这是一种促进复用的方案，不代表智能体回答的每个新问题都已获得科学验证。

自然语言界面可以让仓库工程师直接要求更换分析时间窗口，而不用先学会整套软件。这很有帮助。不过，返回的结果应说明：此次操作是在重现已发表的比较，还是在既有方法中改变参数，或者引入了新的分析选择。即使它们在界面里只是相邻的聊天消息，也属于不同服务。

产品价值可以体现在，把这些差异呈现出来，同时不迫使读者检查每一项实现细节。例如，结果链接到固定的分析记录，探索工作区则允许提出新问题；比较视图显示哪些假设被修改。熟悉的报告由此成为证据的入口，而不是供审阅的唯一对象。

这种便利也有成本。必须有人维护访问、保存兼容的运行环境，并决定什么变化需要新版本。一个轻量分析未必值得长期托管智能体；带有充分说明的可下载资料包，可能反而是更合适的交付物。应结合研究结果预期使用多久、谁可能质疑或复用它，来判断便利是否值得。

机构需要负责研究的连续性

这些选择影响采购和人员安排，不只是研究技术。实验室购买 AI 科研服务时，不能只问答案生成得多快。订阅终止、研究者离职，或服务发生变化之后，机构还能不能保留解释既有答案所需的证据？如果关键的中间判断无法访问，仅导出文本可能不够。

责任也应明确划分。研究者负责科学解释，平台提供记录与执行控制，机构决定材料应保留并可访问多长时间。任何一个角色都不能保证原结论正确。但三者配合，可以让分歧更有建设性：后来者能找到存在争议的具体选择，并对它展开检验。

本文引用的证据较新，但范围有限，分别是一篇方法论文、一项有限案例的复现研究，以及通过选定案例展示的框架。它们不能证明 AI 辅助科学整体不可靠，也不能说明某一种架构已经解决复现问题。它们提供的理由是，在 AI 工具逐步进入研究实践时，就认真设计保存机制。

对科研产品而言，最后值得追问的是一个实际问题：当读者不认同结论时，能否直接检查相关决定，而不必重新拼装整段对话？让这件事成为可能，需要实质工作。对机构来说，这比一个容易生成、却难以回头核查的答案更持久。