yakeworld Operational Steps
- 从ASC的输出获取研究空白/矛盾点 对每个空白/矛盾，生成可证伪假说 假说必须包含：预测内容 + 检验方法 + 反证路径 对每个假说评分：创新性(0-1) × 可行性(0-1) × 重要性(0-1) 输出排序后的假说列表
Pitfalls
- 假说必须可证伪 — 不可证伪的假说立即丢弃
- 不要跳过可行性评估 — 高创新低可行的假说需标注
- 评分必须基于文献证据，不凭直觉
Verification
- 每个假说包含反证路径
- 每个假说有三维评分
- 假说按综合评分排序
1. 2. 3.
Hypothesis Generation
假说生于空白，立于可证伪，强于可检验。
原理层 · 文言
「假说者，探理之始也。无证则悬，有证则立。」 「可证伪者存，不可证伪者废。无检验之假设，犹无砭之弓矢。」 立意高远，证伪分明，验之有法，废之有理。
Genes (策略基因)
紧凑策略表示。条件→策略。需要深度时参考上方完整文档。
- [HG-001] 生成假说 → 每假说必含: 预测+检验方法+反证路径。不可证伪→立即丢弃
- [HG-002] 假说评分 → 创新(0-1)×可行(0-1)×重要(0-1)。基于文献不凭直觉。高创新低可行→feasibility_warning
- [HG-003] 避免重复 → 检查 prior_hypotheses，已有不再生成
- [HG-004] 证据矩阵 → 支持+反对都列，每条标 source+role+confidence(1-5星)。只列支持=确认偏误
- [HG-005] 输出排序 → 按综合评分排序，Top-3 标 recommended
触发条件
- 研究空白（gap_analysis 输出）待转化为可检验假设
- 用户输入"提出假设"、"hypothesize"、"formulate" 等指令
- 需要构建研究方案的假说框架
假说评分方法 (v1.2, 2026-08-20 吸收 arXiv:2608.17270)
LLM-as-judge 与语义相似度评分偏向熟悉想法、压制新颖性。Logit-based energy scoring 用模型内在置信度替代比较判断，无需外部评判器。
Logit Energy 评分法（替代 LLM-as-judge 排序）：
- 对每个候选假说，用语言模型计算其 logit 能量（内在置信度）而非提示"比较 A/B"
- 能量 = 模型对假说文本的生成概率/置信度度量（低能量=高置信但可能熟悉；结合新颖度校正）
- 基准：7 模型 × 1323 论文 × 12 学科 上优于 prompted LLM-as-judge 的假说排序
- 适用场景：假说批量排序、Top-K 选取、评审意见中"哪个假说更好"类问题
- 与 HG-002 评分兼容：logit 能量作为"可行性/置信"维度的客观锚点，创新性维度仍需领域知识判断
输入契约
| 字段 | 类型 | 必需 | 说明 |
|---|---|---|---|
| research_gap | str | ✅ | 研究空白描述（来自 gap_analysis 或文献扫描） |
| domain_knowledge | str | ✅ | 领域知识摘要（经典模型、已知约束、实验范式） |
| constraints | dict | ❌ | 实验约束（预算、时间、数据可得性、伦理限制） |
| prior_hypotheses | list | ❌ | 已有假说（避免重复） |
输出契约
hypothesis_record:
id: "HYP-YYYYMMDD-N"
title: string # 假说标题
statement: string # 核心主张（精确到可检验）
rationale: string # 理论基础
# --- 可检验性 ---
falsifiability_test:
experiment: string # 关键实验设计
subjects: string # 受试者/样本要求
measurements: string[] # 关键测量指标
rejection_criteria: string # 定量反证条件（"H falsified if ..."）
# --- 证据 ---
supporting_evidence:
- source: string # 文献引用
role: string # 证据角色（motivation / constraint / precedent）
confidence: int # 星级 (1-5)
conflicting_evidence:
- source: string
role: string
# --- 评分 ---
scores:
novelty: float # 0-1 新颖性
plausibility: float # 0-1 合理性
testability: float # 0-1 可检验性
clinical_impact: float # 0-1 临床转化潜力（仅生物医学领域）
feasibility: float # 0-1 实验可行性
composite: float # 加权综合
priority: string # HIGHEST / HIGH / MEDIUM / LOW
suggested_design:
type: string # 实验设计类型
population: string # 目标人群
sample_size: string # 样本量估算
duration: string # 实验时长
执行步骤
Step 1: 从 Gap 到假说种子
- 读取 gap_analysis 输出，提取：
- 白空间状态（ABSOLUTE_WHITE / CONDITIONAL / OCCUPIED）
- 空白类型（方法空白 / 疾病空白 / 机制空白 / 生物标志物空白）
- 竞争分析（经典模型 vs PINN/ODE 模型区分）
- 临床需求（目标疾病、市场规模、未满足需求）
- 从每个空白维度推导 1-2 个假说种子
Step 2: 假说结构化
每个假说按五段式构建：
┌─────────────────────────────────────────┐
│ H: 假说标题 │
│ │
│ ① Statement — One-line crystal-clear │
│ claim. │
│ │
│ ② Rationale — Why this hypothesis │
│ follows from domain knowledge. │
│ Should cite 2-3 key foundational │
│ references. │
│ │
│ ③ Falsifiability Test — The heart. │
│ - Experiment design (what, who, how) │
│ - Explicit quantitative rejection │
│ criteria ("H falsified if RMSE > │
│ X, R² < Y, AUC < Z") │
│ - Statistical criterion (p, effect │
│ size, confidence interval) │
│ │
│ ④ Evidence Matrix │
│ - Supporting: source + role + conf │
│ - Conflicting: source + role │
│ - At least 3 supporting per H │
│ │
│ ⑤ Counter Evidence & Limitations │
│ - Confounding factors, boundary │
│ conditions, known biases │
│ - Cross-species / cross-paradigm │
│ generalisability caveats │
└─────────────────────────────────────────┘
Step 3: 复合评分
| 维度 | 权重 | 评分标准 |
|---|---|---|
| Novelty | 0.20 | 0.0=已知答案, 0.5=已知领域的延伸, 1.0=全新空白 |
| Plausibility | 0.20 | 0.0=与已知规律矛盾, 0.5=合理但不显然, 1.0=经典理论的直接推论 |
| Testability | 0.20 | 0.0=无法检验, 0.5=需要新范式, 1.0=现有设备+现有数据即可检验 |
| Clinical Impact | 0.25 | 0.0=无临床价值, 0.5=间接价值, 1.0=直接影响诊断/治疗决策 |
| Feasibility | 0.15 | 0.0=不可行, 0.5=需要额外资源, 1.0=现有可能 |
Composite = Σ(score_i × weight_i)
| Composite | Priority |
|---|---|
| ≥ 0.80 | HIGHEST |
| ≥ 0.65 | HIGH |
| ≥ 0.50 | MEDIUM |
| < 0.50 | LOW |
Step 4: 假说排序 & 推荐
- 输出假说的优先列表
- 标注 recommented_primary_hypothesis
- 给出区分各假说的判别实验
生物医学 PINN/ODE 假说模板
对于眼动/前庭/生物力学领域的 2-ODE + PINN 模型假说，推荐以下固定结构：
H{n}: [Variable] [Relationship] [Condition]
Statement: The [parameter/metric] [verb] [function/relationship]
that [PINN property] can [capability] from [data constraint].
Falsifiability example:
- Falsified if: RMSE > X, R² < Y, AUC_diff < Z
- Primary endpoint: [quantifiable metric]
历史成功假说模式：
- 增益-频率假说 — OKR/VOR 增益是刺激频率的 S 形函数，PINN 可从稀疏数据学习
- 对数缩放假说 — 小脑适应率与误差幅度呈对数关系（Weber-Fechner 定律）
- 生物标志物假说 — 某时间常数是某疾病的比金标准更敏感的指标（ROC AUC 对比）
- 集成/框架假说 — 将 gap_analysis 提出的多个独立候选假说整合为一个统一的多参数诊断框架。为什么有效: 单个生物标志物假说受限于单参数与单疾病的映射；集成假说提升维度的同时不增加检测成本（同一次检测提取全部参数）。何时添加: gap_analysis 提出 ≥3 个独立假说时，自动检查它们是否可合成一个统一框架。若各假说对应不同参数且源自同一次检测，则集成假说总是适用的。验证案例: caloric-test-response-ODE session (2026-06-21) — H4 multi-parameter framework scored 0.82 (HIGH) vs H1=0.84 (HIGHEST), but H4 novelty=0.95 vs H1=0.90. Integration hypothesis typically has lower feasibility but higher novelty + clinical impact.
已知陷阱
- 假说不具可证伪性 — 每个假说必须有明确的定量拒绝标准，不能仅说"需要进一步研究"
- 证据引用不足 — 每个假说至少需要 3 篇支撑文献，1 篇反例或边界条件文献
- 忽略混杂因素 — 药物影响、年龄效应、跨物种差异必须列出
- 同源假说簇 — 多个假说对应同一实验时，需要给出区分性实验设计
- PINN 假说特有问题 — 必须区分"先验模型空白"（differential equation 建模）和"数据驱动空白"（PINN learning），两者不同
性能特征：门控恢复
从 gap_analysis（通常 CONDITIONAL 0.65-0.78）到 hypothesis_generation 的过渡通常产生 +9 到 +15 分的提升，使候选者达到 PASS 状态。历史数据：
| Session | Gap Score | HG Score | Δ | Key Improvements |
|---|---|---|---|---|
| chest-wall-mechanics-PINN (C173) | 0.73 CONDITIONAL | 0.85 PASS | +12 | Formalized 3 drafts + H3 Pattern #4 + Pattern #5 + Pattern #6 co-primary strategy |
| vocal-fold-phonation-PINN (C164) | 0.78 CONDITIONAL | 0.87 PASS | +9 | Formalized 3 drafts + H4 integration + Pattern #5 |
| PupillaryLightReflex-PINN (C139) | 0.89 PASS | 0.87 PASS | -2 | Scores already high; no recovery needed |
| cardiac-autonomic (C141) | 0.88 PASS | 0.87 PASS | -1 | Already at PASS |
| caloric-test (C118) | 0.88 PASS | 0.84 PASS | -4 | Hypothesis formalization was valid |
模式: CONDITIONAL candidates (0.65-0.78) 在 hypothesis_generation 中通过以下方式获得最大的提升：(a) 将 gap_analysis 中的草稿假说正式化、(b) 在 ≥3 个独立假说时添加模式 #4 集成假说、(c) 添加模式 #5 判别设计、(d) 绘制完整的转化路径、(e) 当两个假说各有互补性优势时使用模式 #6 联合首选策略。已经处于 PASS 状态的候选者通常会保持或小幅下降（因为他们严格的 gap_analysis 已经有高分）。
假说模式 #5：判别性实验设计（Discriminative Experiment Design）
当多个假说共享同一临床协议但探测不同时间相位时适用。
模式描述
PINN/ODE 候选常产生 3-5 个假说，各对应不同的 ODE 参数（增益、时间常数、延迟、顺应性等）。若所有参数可从同一个临床扰动协议的不同时间相位提取，则无需为每个假说设计独立的实验。单个协议 × 时间相位切分 = 同时检验所有假说。
何时使用
- gap_analysis 提出了 ≥3 个独立参数，且每个参数主导不同的扰动时相
- 临床协议包含多个生理阶段（如 Valsalva 四相、头脉冲前/中/后、倾斜台测试不同角度）
- 每个时相有明确的起始/结束边界（可秒级分割）
实现步骤
- 列出各假说的核心参数 — 哪个 ODE 参数决定哪个假说（如 G_BRS → 增益假说, τ_BR → 速度假说）
- 分解临床协议为时间相位 — 记录每个时相的生理事件和持续时间
- 建立相位→参数映射表 — 每个时相对应的主导参数（如 Valsalva 相 I → δ 延迟, 相 II_early → G_BRS 增益, 相 II_recovery → τ_BR 速度, 相 IV → C 顺应性）
- 验证映射唯一性 — 避免两个参数在同一时相主导（若重叠则需分离实验或统计解耦）
- 输出判别实验表格 — 格式：
| Phase | Physiology | Dominant Parameter | Hypothesis Tested | Rejection Criterion |
|---|---|---|---|---|
| I (onset, 0-2s) | Mechanical BP surge | δ (conduction delay) | H4 | δ > 600ms |
| II_early (2-8s) | Venous return ↓ | G_BRS (baroreflex gain) | H1 | AUC < 0.70 |
| ... | ... | ... | ... | ... |
模式 #5 变体：内源周期分割（Intrinsic Cyclic Segmentation）
当假说利用同一生理振荡的单周期内相位而非扰动协议的不同时相时适用。
何时使用
- 研究对象是持续振荡（心跳、呼吸、发声振荡、眼震慢相），而非单次扰动（Valsalva、头脉冲）
- 每个生理周期可分割为可辨识的子相位（打开/闭合/开放/恢复），且不同参数主导不同相位
- 单个"静止"记录（如持续元音、静息态ECG、静止凝视）即包含所有相位信息
与经典 Pattern #5 的区别
| 维度 | 经典 Pattern #5（扰动分割） | 内源周期分割变体 |
|---|---|---|
| 时间分辨率 | 秒级（扰动相I→II→III→IV） | 毫秒级（周期内的打开/闭合/闭合/开放） |
| 记录类型 | 主动指令（"吹气"、"转头"） | 被动静止记录（"发元音"、"平视"） |
| 参数映射 | 每个扰动相位→1-2个参数 | 每个周期相位→1-2个参数 |
| 验证难度 | 需要精确的扰动时间戳 | 需要高采样率（≥10kHz）分割周期相位 |
| 边际数据成本 | 每个扰动增加额外数据 | 同一记录无额外数据成本 |
验证案例
vocal-fold-phonation-PINN (K-014, Cycle 164, 2026-06-22): 一段 30s 持续元音 /a/ 的声门周期可分割为 6 个相位：Opening (0-1ms) → A_g0 主导；Maximum Opening (1-3ms) → P_sub, α 主导；Closing (3-4ms) → b 主导；Closed Phase (4-10ms) → K_c 主导；Sustained Oscillation (20-500ms) → k 主导；Phonatory Modulation (0.5-10s) → m, P_sub 主导。结果: 一段 30s 记录 = 4 个参数特定假说的同时检验。
与模式 #4（集成假说）的区别
| 维度 | 模式 #4 集成/框架假说 | 模式 #5 判别性实验设计 |
|---|---|---|
| 目标 | 组合参数 → 一个复合指数 | 区分竞争假说 → 检验优先级 |
| 输出 | 加权复合指标（BHI） | 相位→参数映射表 |
| 适用范围 | 所有假说可单向合并 | 假说对应不同主导时相 |
| 典型分数 | 高 Novelty, 中 Feasibility | 高 Testability + Feasibility |
假说模式 #6：联合首选策略（Co-Primary Strategy）
当两个假说各有互补性优势（一个临床影响力最高，一个新奇性最高）时适用。
模式描述
在3-5个孤立假说中，常出现：
- H1: 临床影响力最高（0.95），但新奇性中等（0.85）
- H3: 新奇性最高（0.92），但临床影响力良好（0.85）
这种情况下选任何一个作为唯一推荐都漏掉了另一个的优势。联合首选策略推荐两个假说并行，并明确指出各自的优势场景。
何时使用
- 两个假说的复合分数相差 ≤ 0.05（tie或接近tie）
- 一个假说的某个单项维度（如Clinical Impact）比另一个高 ≥ 0.10
- 另一个假说的不同单项维度（如Novelty）反过来比第一个高 ≥ 0.05
- 两个假说不重复测量（同一PINN输出不同参数，或同一记录的不同分析维度）
- 两个假说可以分阶段验证（如第一阶段验证PINN测量技术，第二阶段应用于特定疾病）
实现步骤
- 确认互补性：对比第一个假说的最强维度和第二个假说的最强维度。若它们不同且不冲突，存在互补性。
- 指定主要用途：说明假说A优先用于的场景 vs 假说B优先用于的场景。
- 设计分阶段验证：通常是先验证测量技术（高新奇性假说），再验证临床价值（高影响力假说）。
- 更新推荐语：从"推荐H1"改为"联合推荐：H1（临床） + H3（新奇性）。"
验证案例
chest-wall-mechanics-PINN (K-016, Cycle 173, 2026-06-22):
| 维度 | H1: τ_fatigue ICU Weaning | H3: DHI Cross-Disease Composite |
|---|---|---|
| Composite | 0.88 | 0.85 |
| Clinical Impact | 0.95 🏆 | 0.85 |
| Novelty | 0.85 | 0.92 🏆 |
| Feasibility | 0.85 | 0.80 |
| 最佳场景 | ICU（400-600K患者/年） | 门诊筛查（60M+可及） |
| 验证时间 | 6-9个月（回顾性+前瞻性） | 3-6个月（横断面150人） |
联合策略: "Phase 1 (6mo, $150K)：用横断面DHI研究验证PINN测量技术（H3的跨病种验证性）。Phase 2a (12mo, $200K)：将已验证的PINN技术应用于ICU脱落预测（H1的市场影响力）。融资顺序：ATS种子基金 → NIH R21 → NIH R01。"
与模式 #4 的区别
| 维度 | 模式 #4 集成假说 | 模式 #6 联合首选 |
|---|---|---|
| 输出 | 一个复合指标 | 两个独立假说 |
| 关系 | 合并多个参数 → 一个分数 | 保留两个假说，分别推荐 |
| 适用 | 参数可单向合并 | 参数不可合并（不同疾病的优势维度不同） |
| 验证 | 一个实验验证一个指数 | 分阶段或并行验证两个假说 |
质量检查清单
- 每个假说有明确的 statement（one-liner）
- 每个假说有 falsifiability test 和 rejection criteria
- 每个假说评分维度全（novelty, plausibility, testability, clinical_impact, feasibility）
- 至少 3 个支撑文献引用
- 列出反例/边界条件
- 输出优先排序
- 标记推荐 primary hypothesis
- 若两个假说各有互补性优势，考虑 Pattern #6 联合首选策略
- 输出格式兼容下一原子（argument-expression）
支持文件
references/BOUNDARY.md— 原子职责边界references/IO_CONTRACT.md— 输入输出 Schema（含 hypothesis_record 完整 YAML）references/EVIDENCE_SCHEMA.md— 证据链节点类型references/CHANGE_LOG.md— 版本变更templates/hypothesis_output.md— 假说输出文件模板（含评分表、证据矩阵）
执行示例
示例 1: OKR-adaptation-PINN (2026-06-20)
核心原则 · PRINCIPLES
- 准确为先: 所有输出必须经过事实核查，不编造数据
- 证据驱动: 每个结论必须可追溯到具体证据或数据源
- 可复现性: 每一步操作必须可重复，结果可验证
约束规则 · RULES
- 输入约束: 参数类型、范围、格式必须校验
- 输出约束: 返回值结构、编码、命名必须一致
- 异常约束: 错误信息必须包含上下文和恢复建议
- 安全约束: 不执行未验证的任意代码，不暴露内部状态
Golden 集合 · GOLDEN SET
- Golden Input: OKR-adaptation-PINN 的 gap_analysis 输出（白空间状态=ABSOLUTE_WHITE 前庭适应速率机制空白 + 领域知识摘要含 2-ODE 模型约束与 OKR 增益-频率实验范式 + constraints: 现有临床数据可得性）
- Golden Output: 3 条假说（H1 Gain-Frequency Sigmoid 0.74 / H2 Logarithmic Rate Scaling 0.74 / H3 Ataxia Biomarker τ_adapt 0.84 HIGHEST），每条含五段式（statement+rationale+falsifiability test with rejection criteria"τ_adapt > X ms 即证伪"+evidence matrix≥3 支撑+counter-evidence）且按综合评分排序
- Golden Error: 某假说仅陈述"需要进一步研究"而无定量拒绝标准 → 判定不可证伪，立即丢弃（Pitfall#1 / HG-001），输出中不得出现无 rejection_criteria 的假说
Golden 集合是测试的单一真理来源。所有改进必须通过 golden 测试。
违反规则的操作视为不安全，必须拒绝或隔离。
违反任何原则的输出视为失败。原则优先级：准确 > 证据 > 可复现。
三人假说生成产物结构参见 session-2026-06-20-OKR-adaptation-PINN.md：
- H1: Gain-Frequency Sigmoid (0.74, HIGH)
- H2: Logarithmic Rate Scaling (0.74, HIGH)
- H3: Ataxia Biomarker τ_adapt (0.84, HIGHEST)
- 各假说含完整 falsifiability test + evidence matrix + counter-evidence + composite scoring
示例 2: vocal-fold-phonation-PINN (2026-06-22)
参见 session-2026-06-22-vocal-fold-phonation-PINN.md 完整会议记录：
- 领域: Domain Expansion #6，首次应用于喉部/发声生物力学的PINN候选
- 输出: 4 个假说（H1 0.866 HIGHEST, H2 0.794 HIGH, H3 0.748 HIGH, H4 0.762 HIGH）
- 新模式: 首次将 Pattern #5 变体（内源周期分割）应用于声门周期相位分割
- 门控恢复: CONDITIONAL 0.78 → PASS 0.87（+9分）
示例 3: chest-wall-mechanics-PINN (2026-06-22, Cycle 173)
参见 references/session-2026-06-22-chest-wall-mechanics-PINN.md：
- 领域: Domain Expansion #8，首次胸部/膈肌主动力学PINN候选
- 输出: 3 个假说（H1 0.88 HIGHEST, H2 0.79 HIGH, H3 0.85 HIGHEST ALT）
- 新模式: 首次应用 Pattern #6 联合首选策略 — H1 (临床影响力 0.95) + H3 (新奇性 0.92)
- 门控恢复: CONDITIONAL 0.73 → PASS 0.85（+12分）
- 核: K-016 主动肌疲劳核 — 首个主动肌疲劳核（未来心脏/骨骼肌/膀胱模板）