模型更新之後，科學結果還能重現嗎？

一個研究團隊保存了資料、公開了程式碼，仍可能在一年後發現，某項 AI 輔助研究結果無法重新建構。缺失的環節也許發生在兩者之間：代理程式排除了哪些觀測，選擇了哪一種解釋，或者呼叫了哪個外部服務。一份流暢的實驗說明，不一定能讓這些決定顯現出來。

近期研究把它變成了具體的設計問題。Dunn、Schultz 和 Musser 的 Patterns 論文於2026年9月4日線上發表，區分了兩種用途：讓大型語言模型協助建構可保存的分析產物，以及讓模型參與分析實際執行。研究團隊需要保存什麼，取決於這種區別。

本文的判斷是，AI 科研產品除了讓分析更容易執行，還應讓結論的邊界可以檢查：哪些內容來自觀測，哪些來自人為或模型判斷，什麼變化足以改變結論。這與重複產生兩份同樣漂亮的報告，是不同的承諾。

從可能改變結果的決定開始

設想一項倉庫溫度感測器研究。研究者比較更換通風設備前後的環境，助手協助標記異常讀數、整理紀錄、製作圖表。這是用於說明問題的假設案例，並非某個真實專案的研究發現。

假如一個感測器在維修期間出現明顯升溫，排除該讀數可能合理，因為設備當時被斷開；保留它也可能合理，因為維修過程本身就是工作人員實際經歷的環境。兩套流程都能順利執行。這裡的科學分歧在於研究要回答什麼，以及為什麼排除某項觀測，而不是程式有沒有報錯。

因此，有用的封存需要把重要決定與輸入和理由連接起來。應保存的對象可以是一張表：被排除的觀測、原始數值、適用規則，以及接受這條規則的研究者。聊天紀錄能夠補充背景，但讓另一個模型閱讀長對話並推斷規則，又增加了一次判斷。後來者不應只能從對話語氣中猜測資料篩選標準。

這也是封存與錄影的差別。錄影記錄發生過的活動；圍繞結論組織的封存資料，則讓質疑結論所必需的關係可以查閱。這並不要求把私人資料全部公開。團隊可以說明哪些材料需要受控存取，以及誰有權批准查閱。

重現數字與維護結論，需要不同檢查

FABRIC 重現預印本於2026年10月7日修訂，報告了 AI 在環境設定方面的幫助，也指出分析流程不清晰時仍需要人指導。這些案例不能證明普遍適用的生產力提升。

回到假設中的倉庫研究，可以分別開展三種檢查。第一種檢查，封存的輸入和程序能否得到報告中的估計值。第二種檢查，對有疑問的讀數採用其他合理處理方式，會不會改變結果方向。第三種檢查，考慮天氣或營業時間變化後，這項比較是否足以支持研究者提出的解釋。通過第一種檢查，不等於後兩種問題也有了答案。

把它們分開，可以避免一種昂貴的誤解：團隊投入大量時間，讓輸出與原結果完全一致，卻沒有提高解釋的穩健性。反過來，如果研究預先說明了允許誤差及其理由，少量數值差異也未必推翻結論。不能因為重新執行的結果恰好偏離原值，才事後挑選一個能容納差異的標準。

在倉庫案例中，研究問題發生改變，也值得單獨記錄。平均溫度的比較，並不能自動說明工作人員在最熱一小時承受的環境。即使使用同一組觀測，選擇不同時間範圍，也可能改變研究的含義。審閱者應能了解是誰提出變化、理由是什麼，以及決定發生在查看結果之前還是之後。

對話入口背後，仍需穩定的研究對象

2026年9月16日發表於 Nature 的 Paper2Agent，展示了透過經過測試的可執行工具，讓代理程式提供論文方法的使用入口。這是一種促進重用的方案，不代表代理程式回答的每個新問題都已獲得科學驗證。

自然語言介面可以讓倉庫工程師直接要求更換分析時間範圍，而不用先學會整套軟體。這很有幫助。不過，回傳的結果應說明：此次操作是在重現已發表的比較，還是在既有方法中改變參數，或者引入了新的分析選擇。即使它們在介面裡只是相鄰的聊天訊息，也屬於不同服務。

產品價值可以體現在，把這些差異呈現出來，同時不迫使讀者檢查每一項實作細節。例如，結果連結到固定的分析紀錄，探索工作區則允許提出新問題；比較檢視顯示哪些假設被修改。熟悉的報告由此成為證據的入口，而不是供審閱的唯一對象。

這種便利也有成本。必須有人維護存取、保存相容的執行環境，並決定什麼變化需要新版本。一個輕量分析未必值得長期託管代理程式；附有充分說明的可下載資料包，可能反而是更合適的交付物。應結合研究結果預期使用多久、誰可能質疑或重用它，來判斷便利是否值得。

機構需要負責研究的連續性

這些選擇影響採購和人員安排，不只是研究技術。實驗室購買 AI 科研服務時，不能只問答案產生得多快。訂閱終止、研究者離職，或服務發生變化之後，機構還能不能保留解釋既有答案所需的證據？如果關鍵的中間判斷無法存取，僅匯出文字可能不夠。

責任也應明確劃分。研究者負責科學解釋，平台提供紀錄與執行控制，機構決定材料應保留並可存取多長時間。任何一個角色都不能保證原結論正確。但三者配合，可以讓分歧更有建設性：後來者能找到存在爭議的具體選擇，並對它展開檢驗。

本文引用的證據較新，但範圍有限，分別是一篇方法論文、一項有限案例的重現研究，以及透過選定案例展示的框架。它們不能證明 AI 輔助科學整體不可靠，也不能說明某一種架構已經解決重現問題。它們提供的理由是，在 AI 工具逐步進入研究實務時，就認真設計保存機制。

對科研產品而言，最後值得追問的是一個實際問題：當讀者不認同結論時，能否直接檢查相關決定，而不必重新拼裝整段對話？讓這件事成為可能，需要實質工作。對機構來說，這比一個容易產生、卻難以回頭核查的答案更持久。