Haoran Sun Yankai Jiang Zhenyu Tang Yaning Pan et al

الملخص

تُعد البروتوكولات الدقيقة والمنظمة منطقيًا والقابلة للتنفيذ الأساس في العلم القابل للتكرار. ويمكن أن يؤدي توليد هذه البروتوكولات بشكل تلقائي عبر استفسارات بلغة طبيعية إلى تحسين كبير في كفاءة عملية التكرار. ومع ذلك، فإن النماذج الكبيرة الحالية للغة (LLMs) غالبًا ما تُنتج بروتوكولات غير كاملة أو غير متسقة، مما يحد من فائدتها. وللتغلب على هذه القيود، نقدّم أولًا SciRecipe، وهي مجموعة بيانات كبيرة تضم أكثر من 12 ألف بروتوكول منظم، تغطي 27 مجالًا فرعيًا في علم الأحياء، وتتضمن مهامًا تتعلق بالفهم والحل المشكلات. ولتحسين إنتاج البروتوكولات بشكل أكبر، نقترح نموذج "الرسم التخطيطي ثم التعبئة" (Sketch-and-Fill)، الذي يفصل بين التحليل والهيكلة والتعبير، لضمان وضوح كل خطوة وقابلية التحقق منها. وبالإضافة إلى ذلك، نُطبّق آلية مكافأة قائمة على المكونات المنظمة لتقييم دقة التفصيل في الخطوات، وترتيب الإجراءات، والتماسك المعنوي، مما يُوجّه تحسين النموذج نحو موثوقية التجربة. وباستناد إلى هذه العناصر، نطوّر نموذج Thoth، الذي تم تدريبه عبر عملية متعددة المراحل من "المعرفة إلى الفعل"، تبدأ من اكتساب المعرفة، ثم التفكير العملي، وتسير إلى إنتاج بروتوكولات قابلة للتنفيذ وقوية. وقد أظهرت نتائج Thoth تفوقًا مستمرًا على كل من النماذج المخصصة والمتاحة مفتوحة المصدر في عدة معايير، مع تحسينات كبيرة في التوافق بين الخطوات، والتسلسل المنطقي، والدقة المعنوية. ويُمكّن هذا النهج من تطوير مساعدات علمية موثوقة تربط بين المعرفة والتنفيذ التجريبي. وسيتم الإفصاح عن جميع البيانات والكود والنماذج بشكل علني.