Research monad

新架构强制执行AI发现中的统计严谨性

研究人员开发了一个功能性架构，以增强AI驱动的科学发现中的统计严谨性，旨在防止产生虚假结果。该系统采用基于Haskell的Research monad在错误预算内强制执行假设检验，并使用沙盒环境将验证数据与LLM代码执行物理隔离。该架构包括一个机器检查的Lean 4形式化在线错误发现率控制程序，通过IEEE 754算术验证到SPARK/Ada实现。模拟显示，该系统有效控制了错误发现率，使其接近1%的目标5%，显著优于达到41%的朴素方法。