ARA：把论文从 PDF 改成智能体能直接操作的知识包

主张

IEEE Spectrum 报道了一项名为 ARA（Agent-Native Research Artifact）的研究。团队在论文《The Last Human-Written Paper: Agent-Native Research Artifacts》中呼吁科学家停止用 PDF 撰写传统论文，理由是：AI 需要一种不同的内容格式，而 AI 的需求理应被置于首位。

两笔「税」

叙事税。 真实的科研不是一条从问题直通答案的直线——研究者要提出十几个假设、尝试几十种方案、调整无数次参数。但写成论文时，那棵枝杈横生的探索树会被修剪成一条干净、连贯的成功路径。后来者看不见前人踩过的坑，也不知道哪条路已经被走死了。

工程税。 一篇论文只要能让审稿人信服就算完成使命，而「说服审稿人」与「让 AI 完整复现」是两套标准。模型版本、运行环境、超参数、预处理方式、训练技巧散落在正文、附录与代码仓库中，有些从未被记录。

这里有本条最硬的一个数字：团队统计了 PaperBench 中的 8921 项专家复现要求，发现仅有 45.4% 在论文 PDF 中得到完整说明。

对人来说，缺的信息可以靠经验、问导师或试错补上；对 AI 来说，论文里没写就只能猜——而猜出来的东西会以同样自信的语气呈现。

ARA 的四层

不再把线性叙事的论文当作科研成果本身，而是把研究重组成一个机器可直接操作的知识包：

1. 科学逻辑层：解决了什么问题、为何采用该方法、哪些主张可被证伪
2. 可执行代码层：不只是代码仓库，还包含复现所需的环境、配置与关键参数
3. 探索图层：把实验过程还原为可追踪的路线图，成功与失败的方向、放弃某条路线的原因都被保留
4. 证据层：把每一项主张关联到原始实验结果，让 AI 核验结论而不是采信正文里的概括

一句话：PDF 只有「我们最后做成了什么」，ARA 还包括「为什么这么做、具体怎么做、哪些方法已失败、原始证据在哪里」。

配套的三套机制

• Live Research Manager：在研究过程中持续记录实验、决策、转向与失败路线
• ARA Compiler：把现有的 PDF 与代码仓库转换成 ARA 格式
• ARA 原生审稿系统：让机器先行完成结构检查

值得留下的那一点

抛开「PDF 该不该死」这个吸引眼球的说法，第三层「探索图层」是这套设计里最不寻常、也最难被现有格式替代的部分：它要求把失败当作一等公民保存下来。

这和本站《反馈闭环与团队学习》里那条规矩是同一个：失败必须留下可检索的书面理由，否则同一个想法会在六个月后原样重提，而且没人记得上次为什么否掉。 ARA 只是把这条规矩从团队内部推到了整个学术共同体。

边界

本条为二手报道（量子位报道 IEEE Spectrum 的报道）。ARA 目前是主张加原型，不是已被采纳的标准；45.4% 这个数字来自 PaperBench 这一个数据集，未见独立复核。