2026-11-02 写作更新：2026-10-31 的构造场景仍保留为方法提案。Rho 0.5.2 后来完成了五个公开数据分析的本地应用测试；测试报告目前是 Rho 工作树中尚未发布的记录，因此不能用一个尚不存在的公开链接充作依据。以下保留早期论证；新测试的可用范围和待核查项见文末记录。英文论文的新稿须先经过这一证据边界的核对。
更新：2026-10-31。Rho 通过插件接入不同信息、算力和计算环境，并根据目的自主组织所需材料，形成可共同阅读和操作的工作界面。拟议贡献是：依据当前科学目的和实际接入的能力，从持续分析中选择或取得材料、组织它们的关系并组合可操作的视图；这份组织同时成为人理解分析的界面和 Agent 继续工作的共享上下文，随人的操作与新进展持续更新。 插件提供可组合的能力，版本与来源支撑持续使用；研究主张落在这些能力怎样参与同一套交互方法。
以下用构造的单细胞场景说明具体机制，正面对照 InsightLens、WaitGPT、Mycelium，以及生成式界面、可视化创作和可扩展计算工作台。“布局合理”在这里是需要说明的设计目标，不由自动生成或功能可用直接推出。本文不排实验，不制定未观察过的屏幕布局规范；实现与效果证据仍按 Status 及具体记录理解。
研究者表达“我现在要判断什么”，Rho 结合现有分析过程、材料和接入能力，组织适合这项判断的工作界面。所需材料可能已经存在，也可能需要通过信息源或计算能力取得。目的可以来自当前任务及明确的交互上下文，系统推断出的目的应可见、可修正；无需让人先指定每个文件、控件和位置。
这次组织包含四个相连的选择：需要什么材料、能从哪里取得，它们在当前判断中分别承担什么作用，实际可用的视图和操作是什么，以及怎样安排它们以支持阅读、比较或继续分析。插件可以提供信息读取、计算与环境适配，以及相应的视图或操作入口；已有组件可以承担表格、图、代码和运行状态。研究增量不要求每次从零生成界面代码。
例如，同一个单细胞项目，在判断生物学差异、检查计算为何未完成和准备结果说明时，需要组织的材料及其主次关系不同。Rho 所形成的界面表达的是“为这个目的，我们正在一起看这些对象、比较这些关系、处理这些未决事项”。这份表达保留材料引用、范围和操作含义，Agent 可以据此继续工作；它不是只能由人观看的截图。
当前科学目的与实际接入能力 → 所需材料、取得方式与关系 → 可操作的界面组织 → 人的理解与行动、Agent 的续接上下文 → 新进展或新目的驱动再组织。
其中，人的阅读位置、当前分析状态和 Agent 获得的上下文仍可能不同，需要保留各自的身份与范围。它们保障修订能落到正确对象上，但不单独承担论文主贡献。候选贡献是一种把目的驱动的界面组织与共享分析状态结合的交互方法，而非分别认领自动布局、记忆编辑或来源记录。
设有 6 名病例、6 名对照，每名供者贡献多个单核细胞，具有原始计数、注释和供者映射。问题是判断这些供者中，一组事先选定的干扰素反应相关基因是否存在疾病相关的表达差异；下文简称“干扰素表达差异”。以下数据、运行与版本标识均为说明机制的假设，没有实际效应量或用户观察。
研究者至少需要分清：图中的每个观测代表细胞还是供者；疾病分组属于哪一级；模型如何处理同一供者内的依赖；结果支持描述、供者层面的关联，还是更强的生物学解释。细胞数不能直接替代生物学重复数；忽略重复间变异会影响单细胞差异分析的推断。R25
即使计算完全合理，人的理解仍有工作要做。细胞级小提琴图可以展示表达分布，考虑供者依赖的模型可以评估关联；二者并非互斥，但回答的问题不同。“看到图”“知道模型名字”和“理解为何这项结果支持该解释”不是同一件事。
研究者说：“我想判断这项差异在供者之间是否一致，先不要只给我合并后的细胞图。”Rho 根据这一目的，寻找已存在的供者分组、细胞到供者的映射、相应表达材料、模型与结果，并把它们组织成支持这项判断的工作界面。研究者无需先知道它们分散在哪些文件、消息或运行里。
布局要表达判断所需的关系。例如，让细胞分布与供者层面的表达材料能够对照，使用明确一致的供者和基因标识；把当前统计解释与其模型依据联系起来；把长日志收进可展开的运行材料。选择某个供者时，相关材料可以沿明确映射定位到该供者，无法建立映射的视图则说明限制。这里描述的是交互关系，不是指定屏幕分栏、尺寸或视觉风格。
同一个项目的组织可以随目的改变：
| 当前目的 | Rho 需要组织的材料 | 布局与操作承担的作用 |
|---|---|---|
| 判断细胞分布与供者层面推断是什么关系 | 相关表达图、供者映射、每个供者的材料、模型与结果 | 让需要比较的对象可共同阅读，沿同一供者或基因定位依据，区分描述与推断 |
| 理解为什么修正分析还没有新结果 | 对应任务、脚本与输入、运行状态、已有输出、环境信息及错误 | 把当前受阻的计算与其依赖放到阅读重点，明确代码已改与结果已生成的区别 |
| 为同一结果准备学术说明 | 当前图表、模型估计与不确定性、纳入范围、方法说明、可引用依据与尚未解决的限制 | 使主张及其依据可一起检查，保持方法和材料的追查入口；不因进入写作就把未决解释变成定论 |
若目的所需的供者层面材料尚不存在，界面表达“缺少什么、哪一步仍待完成”；在任务原有授权范围内，Agent 可以继续获取或计算，再补入材料。系统不能为了让界面看起来完整而填造数值，也不能把“未选入当前视图”解释成“项目中不存在”。学术依据同样需来自已取得并可识别的文献。
同一个判断目的，也会因信息和计算环境不同而需要不同的工作界面。仍以上述供者比较为例：
- 计数、供者映射和所需 R 环境均可用时，信息与运行适配能力提供相应入口。Rho 将已有描述、待计算的供者汇总、实际模型及其运行联系起来；研究者可以检查输入与设计，再沿现有任务继续分析。
- 计数位于远程存储、计算需要在集群环境进行时，若已接入相应能力，Rho 保留同一个科学问题，把数据位置、所用环境、任务状态和已返回的材料纳入组织。研究者可以先检查已有供者信息；排队或部分输出仍是未完成状态，不被排成一份已经完成的结果说明。
- 只接入已有图表与元数据、暂时没有可用计算入口时，Rho 仍能组织可核对的部分，指出尚缺的计数或计算能力。人的阅读可以继续，但 Agent 续接时不能把这个缺口压缩成“已完成供者比较”。
这些是假设的接入条件，不是现有连接器清单。改变计算环境后，需要保留问题、供者集合和判断理由的连续性，同时重新辨明实际输入、软件与运行身份；相同方法名并不保证结果等价。界面若只增加一个“远程运行”按钮，而没有把这些条件及进展连回当前判断，就没有完成本文的组织工作。
“自主组织”包括选择与重组，不等于频繁打乱人的阅读。研究者正在检查或明确保留的材料，应继续有稳定入口；新目的可重设主次，新结果可补充相关位置。布局是否合理，首先取决于它是否让这次判断所需的关系可见、比较对象可辨、操作对象明确。美观和无遮挡不足以证明人已理解。
假设 Agent 已生成细胞级表达图和一次把细胞视作独立观测的检验，并开始整理其他图表。Rho 围绕上面的判断目的组织界面，其中关联的一项分析记为 A@1。界面连接当前比较对象、图中的分布、检验使用的观测单位、输出所对应的运行，以及 Agent 对结果的解释。尚未核对的支持关系标为 Agent 的解释，不能由系统把它升级成科学事实。
研究者从“病例组干扰素表达更高”这句话进入依据。关键交互不是再展开全部聊天，而是沿着这句话所依赖的关系阅读：
| 研究者正在判断 | 需要连起来阅读的材料 | 这一步形成的认识 |
|---|---|---|
| 图里很多细胞是否等于很多独立重复？ | 图使用的细胞集合 → 供者映射 → 每个供者的观测，而非只有合并后的病例/对照分布 | 分布现象与供者层面推断需要分别判断 |
| 这个显著性究竟来自哪种比较？ | 结果中的检验项 → 实际模型或调用 → 分组与重复单位 | 能定位统计依据，判断它是否回答原问题 |
| 我读的是修改后的结果吗？ | 解释所引输出 → 产生它的运行、脚本和输入版本；已知的环境信息与缺失项 | 新代码已写、进程已结束、当前解释已更新是不同事实 |
这里的图表、代码和运行仍可使用成熟组件。方法要求保留它们在这项解释中的关系，不要求所有研究者先读代码，也不要求把一个项目的所有来源图铺满屏幕。研究者可以停在 A@1 继续阅读，Agent 的新活动不会悄悄替换这段解释所引用的材料。InsightLens 的聚焦和证据导航、WaitGPT 的计算表示已经提供了这类阅读交互的基础；“可停留、可展开”本身不是新贡献。
研究者发现这次独立细胞检验没有处理供者内依赖，于是在该检验与供者层面结论的关联处作出修订：
这次细胞级检验不能作为本项供者层面关联的统计支持。细胞分布图保留作描述；按供者汇总原始计数，核对当前设计并重新分析。新的关联判断等待新结果。
自然语言是输入方式；系统需要把修订落到已选中的问题、检验和材料上。适用范围来自选择与明确声明，缺失时再澄清，不能仅凭关键词推断“所有分析以后都用同一模型”。本例的汇总选择也不被推广成适合所有单细胞设计的定律。
修订后改变的是三处相互关联的内容：旧检验不再承担这一关联的统计支持；当前解释说明为何需要另做分析；后续任务带着这个理由和范围继续。旧检验跑过、生成过哪些结果，这些事实保留。描述图可在其原用途下继续存在，不因一次推断修订就被全部判废。
并非每次阅读都要产生修正。如果研究者沿相同关系确认现有模型确实处理了供者依赖，可以直接继续比较供者间差异、提出新的问题。单纯询问“为什么”只产生带归属的解释；只有明确改变分析选择或解释状态的操作才改写共享工作依据。阅读、询问、采用和修订不应混为自动同意。
在研究者阅读 A@1 时，Agent 可能已补出另一张描述图，使该分析推进到 A@2。研究者的修订仍针对 A@1，系统不能用这份旧视图覆盖整个当前分析。它比较修订指向的对象与目前版本：
- 若新增内容只是另一张描述图，且本次修订依赖的细胞集合、供者映射和检验没有改变，则保留新增内容，把修订接入当前分析，形成
A@3。 - 若供者映射或正在采用的推断方法已改变，则并列呈现原指向与当前对应内容，保留修订为待确定的意见；先确定它现在针对哪项分析，再改变相应状态。不能假称旧修订已经适用于新范围。
这种比较首先依据资源身份、明确的字段和声明关系；它不自动证明两种科学解释语义等价。关系不完整时保留未知。每项分析和每个资源各有版本，不引入一个把整个科学项目视为同时更新的全局版本。
这一操作让人的理解可以按自己的速度形成，同时使干预落在仍在演化的工作上。它不是停止整个 Agent 等待逐条审批，也不是以“已经看过”推断研究者已理解。版本协调是已有技术；此处需要设计的是它怎样作用于一项科学解释及其后续用途。
在可以接收新上下文的下一次交互边界，Agent 获得 A@3 的简要内容及其材料入口。示意如下：
当前目的：联系细胞分布与供者层面推断；界面按这一目的组织材料。
分析 A，版本 3：当前单核细胞集合内的病例/对照供者比较。
重复单位：供者；本次输入及供者映射沿各自的保留引用读取。
当前解释：旧细胞级检验不再支持供者层面关联；描述图保留。
理由：研究者指出该检验未处理供者内依赖，修订源于 A@1。
待做：按本次选择汇总原始计数，核对设计，运行并解释新分析。
尚未知：修正后的效应与不确定性；目前不能写作新的完成结果。
依据入口：原检验、运行、输出及研究者修订，各有自己的引用。
这份内容与人读到的 A@3 来自同一批有版本的声明和引用。人可以阅读更完整的解释，Agent 可以按需取回细节；双方不必读相同像素或相同长度的文本。人折叠代码也不等于 Agent 应当忘掉代码。
接入过程区分“已准备”“已提供”和在可观察条件下的“已读取”。不能用一个“已同步”掩盖这些差别。已有在途调用不会因界面编辑而被追溯改写；无法进入其内部上下文时，就显示此次修订尚待后续接入。原生 Agent 的压缩仍由其运行时管理，Rho 在受支持的入口重新供给当前外部状态，不宣称能控制所有模型的内部记忆。
压缩也有具体对象：可以省略重复日志、完整矩阵和旧分支细节，保留取回入口；不能把当前范围、仍有效的理由、被替代的解释和未完成事项压成一句“已发现干扰素上调”。若这些内容尚未被纳入实际提供的上下文，就展示缺口，不能把磁盘上存着的笔记当作已经起作用的记忆。提供内容仍不保证 Agent 遵守；后续动作与结果要另行观察。
修正分析结束后，输出按实际输入、代码、运行与环境信息关联回分析 A；缺失的运行事实仍标为未知。新计算完成形成新的状态，例如 A@4，并不自动表示结论已被研究者认可。
研究者回到先前打开的版本时，能围绕自己的判断看变化：哪些数据与描述保留，哪一种检验被替代，新结果是否已经产生，原解释中哪一部分仍待重写或核对。若新模型未支持先前的关联，系统应使研究者能够将“细胞分布看起来不同”与“当前供者层面证据不足”并置理解；不能用最后一句总结抹去二者的区别。这里是假设的解释分支，不是实际发现。
新结果怎样改变科学解释，仍可能需要人和 Agent 讨论。系统可以按已有声明标出新增、替换和待核对的支持关系；不能从“进程成功退出”直接推导“新结论正确”。研究者形成的新判断再进入同一对象，而不是重新在聊天、报告和记忆中分别维护三份意思相近的文字。
这个往返使三项目标相互作用：阅读组织让判断有入口；人的判断改变共享工作依据；后续计算以与判断相关的变化返回，支持更新理解。它同时适用于确认一个合理选择、细化解释和发现问题，不只是一种报错流程。
输入包括当前目的、可用材料及其已知关系、分析进展、研究者的当前关注，以及已接入的信息、计算、环境和视图能力。系统据此形成一份简要的组织方案：选入哪些对象及其版本，为什么需要它们，哪些用于比较、支持解释或继续操作，尚缺材料能否取得，以及视图间如何定位同一对象。已有材料不适合某个视图时，应换用合适表示或保留缺口；能力不可用时，组织方案也要反映这一条件。
目的先落实为这次需要阅读或比较的关系，再据此选择材料。例如，判断供者间一致性，需要联系细胞与供者、分组与观测、描述材料与统计结果；仅检索包含“干扰素”的文件不能完成这项组织。系统可提出这些关系，但依据仍来自元数据、实际分析和双方的明确声明。把材料并置前，还需让它们的观测单位、纳入范围与版本可辨；不适合直接比较的材料可以用于说明差异，而非被强行画成同一组结果。
这份方案承担语义与界面之间的连接。例如，“比较这些供者”落实为具体供者集合及所引材料，界面据此形成可对照的视图；“只查看这个供者”落实为有范围的显示选择。移动窗口只改变布局，查看某供者只改变关注范围，修改纳入条件才改变分析范围。系统不能把前两种操作暗中解释成第三种。
在实现上，组件组合与模型生成的说明可以共同完成呈现。来源身份、可用操作、视图绑定和已有状态应由对应能力承接；模型可以提出材料关联与组织方式，但这些提议保留归属并可修正。因而“生成界面”不仅生成屏幕外观，还产生可读取、可操作的对象关系。这里提出的是方法所需的表示，不规定新的协议或布局算法。
插件使 Rho 能适配不同信息类型、算力和计算环境，而不必在应用底层固定一种分析栈。这里需要区分能力提供者与工作界面的组织者；以下是本场景中的接入角色，不要求每一行成为一个独立插件。
| 接入内容 | 对应能力需要提供什么 | 怎样影响共同工作界面 |
|---|---|---|
| 信息与领域材料 | 数据或文献的读取入口、实际格式与范围、版本与来源，以及有依据的细胞、供者、基因等映射 | 决定哪些材料可取得、哪些能关联比较；对象适配器可以帮助读取单细胞对象，但不能从文件后缀推断其科学含义 |
| 算力与计算环境 | 可调用的计算入口、输入及环境条件、真实任务身份、状态和结果；可针对本地资源或远程环境定制 | 决定当前可以继续什么计算、哪些仍受阻，以及怎样在等待与部分结果期间支持阅读；不隐藏环境差异 |
| 视图与交互入口 | 适用于所接资源的呈现、选择与操作，以及它们实际作用的对象和范围 | 使领域材料可以按当前目的阅读和操作；人和 Agent 的入口指向同一能力及资源，而不是各自维护一套结果 |
Rho 依据目的选择和组合这些能力，插件或原生工具继续拥有资源语义与执行事实。具体数据集、疾病比较、统计设计及分析顺序属于项目中的分析选择或配方，不能因为可以定制插件就固化进通用应用。插件也不必都有 UI；缺少某种视图不等于能力不存在，有界面入口也不等于其所需环境已经可用。这个分工与当前 架构 一致，完整插件边界见 能力模型。
在本文的方法中，接入条件还要进入共同上下文：当前引用哪份输入、哪些能力可用、计算在哪里运行、哪些事实尚未取得。这样，人的阅读、Agent 的下一步和实际计算进展可以围绕同一目的相互更新。接通更多后端本身没有完成这一点；反过来，只组织漂亮界面而不反映可用能力，也不能支持持续分析。原生工具仍正常使用，Core 仍是可选的托管执行路径；观察到的原生运行不因此获得托管保证。
一项工作界面可以组合多个分析单元及其材料；分析单元关联科学问题及范围、方法与理由、运行与产物、当前解释、待解决事项和修订历史。它不要求新造来源本体：PROV-DM 可承接身份与修订，EVI 可承接声明的支持和质疑关系。R02、R05
其内容必须区分三种来源：实际观察到的计算事实，Agent 给出的解释与关联，研究者明确写下的判断。系统可从消息和工具记录中提出分组与关系，再让人或 Agent 修订；自动提取失败、未捕获和无法确定的关系保留在表示中。领域语义来自明示内容和可核查材料，不由 UI 凭空制造。
人的简要阅读、详细依据与 Agent 上下文是同一分析单元的不同呈现。范围、状态、有效修订和引用从明确字段生成，保留在简要表示中；详细日志和材料可以折叠或按需取回。模型补写的科学解释保留作者、版本和依据，并允许质疑。这样，压缩不会仅凭一次自由摘要决定是否保留人的修订；至于原生 Agent 收到后怎样处理，仍按前述接入边界如实记录。共同的对象和修订关系，不等于让一个模型摘要成为唯一真相。
| 操作 | 针对的输入 | 产生的变化 |
|---|---|---|
| 按目的组织 | 当前判断目的、可用材料与接入能力、关注范围 | 选择材料及取得方式，声明它们的用途与关联，形成可操作布局并显示缺口 |
| 阅读与探索 | 组织中的材料、比较关系及明确版本 | 展开、定位和比较；区分显示选择、关注变化与分析范围修改 |
| 修订目的或分析 | 所选对象、目的或判断的修改，以及适用范围 | 重选相关材料或更新分析解释，保留原运行事实与人的阅读入口 |
| 从共享状态续接 | 当前目的、材料关系、有效决定、实际计算条件、待做事项和引用 | 形成可检查的 Agent 上下文供给，记录实际接入状态 |
| 随进展再组织 | 新结果、运行变化及其与当前目的的关系 | 补入相关内容、调整必要的主次关系，并说明相对所读状态的变化 |
其中，人读的版本、分析的当前版本与 Agent 最近收到的版本分别保留，为上述操作提供可辨认的依据。范围相同也不等于结果相同，收到修订也不等于已经重新计算。
对研究者，材料的选择与空间组织把“为了当前判断，需要联系哪些信息”外显出来，提供从整体进入依据、比较并继续操作的路径。它是否帮助理解仍需证据；系统也可能错误选材，漏掉反例，或把不适合比较的对象放在一起。因此组织理由和未决关系应可追查，人的修正也可以针对“这里还缺一类材料”，不必总是针对错误结论。
对 Agent，记忆保留的是当前目的、已选择的对象与关系、有效决定、实际可用能力与计算状态、缺口及取回入口，不要求记住窗口像素。界面暂时隐藏材料不等于从记忆删除，固定一幅图不等于认可其结论，关闭界面也不取消分析。重开或续接时，同一组织可以帮助恢复工作上下文；真正进入模型的内容仍受接入边界约束。
两者由组织方案及其修订连接：研究者改变“我们现在要看什么、为何要看、准备怎样继续”，Agent 获得相应上下文，后续产物又进入围绕该目的组织的界面。局部解释修订是其中一种操作。已有系统可能通过扩展实现它，论文需要说明这种组合怎样改变实际协作，而非宣称各个部件都是首次出现。
以下按论文明确报告的机制比较，没有运行这些系统完成本例。“未报告这项操作”是文献边界，不是不可实现性的断言。
| 工作 | 在同一个单细胞场景中已经能帮到哪里 | 本方法增加的具体操作 |
|---|---|---|
| InsightLens R21 | 持续提取并修订洞见，关联关键代码、输出和图，按主题导航；可固定关注的洞见。提取 Agent 也使用历史洞见记忆 | 从当前判断目的出发选材、组合视图和操作，并保留这份组织供分析 Agent 续接。增量不在洞见整理本身，而在目的驱动的工作界面与后续分析之间的联系 |
| WaitGPT R18 | 将代码组织成可读的操作链，展示运行状态；可改参数、局部追问、修改代码并重跑，也支持按人的节奏回看 | 围绕科学目的组织跨图、表、模型、运行及解释的工作界面，把其中的有效选择与理由延续到后续上下文。§5.3.3 的局部追问与主对话记忆隔离；这不等于其改代码或重跑结果永远不影响后续分析 |
| Mycelium R38 | 通过有来源的科学上下文图连接观察、解释和假设，并路由给人和 Agent。补充图 6 已示范人的科学约束进入另一条后续分析，保留来历与局部分歧 | 将相关科学状态组织成适合当前目的的可操作界面，使人的探索和修订持续改变双方工作上下文。已读方法未规定这套材料—视图—操作的组合及随目的再组织机制；科学共享状态和约束传播本身已有 |
三个差别有不同落点。对 InsightLens，组织单位从已提取洞见扩展到当前目的所需的工作材料与操作；对 WaitGPT，工作界面的组织同时联系科学判断与计算活动；对 Mycelium，科学状态的相关性进一步转化为人可共同阅读和操作的界面。不能简写成“InsightLens 只展示、WaitGPT 只看代码、Mycelium 只有后台”。 扩展对象范围本身仍不足以证明新颖性，关键是本方法的组织与续接操作。
Mycelium 尤其接近，甚至可以承载本方法的存储和路由。因此 Rho 不应再主张发明科学共享记忆。区别在于怎样按目的形成工作界面，并使界面的组织和交互参与持续分析；若实现只是在其图上加摘要与浏览页面，这个差别就没有成立。
| 工作 | 已有机制 | 对本提案的约束 |
|---|---|---|
| DynaVis R40 | 根据自然语言编辑意图生成可持续操作的控件，连接图表属性和数据变换；支持组合与反复编辑 | 不能认领“按意图生成操作界面”。本提案处理持续分析中的多类材料及它们对科学判断的作用，不能仅以控件更多作为区别 |
| DashChat R41 | 从需求和对话上下文规划任务，生成 dashboard 的内容、布局和样式，支持迭代与历史回看 | “按目的选视图并自动布局”已有先例。所读稿明确聚焦静态设计原型、排除视图间交互联动；本提案需具体处理真实分析材料、运行事实与可续接的操作 |
| Generative UI R42 | 根据 prompt 生成完整网页及资源，支持丰富的交互体验 | 自主生成完整界面也不是新贡献；其偏好评价不证明科学理解。本提案的差别在持续科学工作的材料组织、语义操作及上下文延续，不能仅称界面更丰富 |
| Data Formulator 2 R43 | 混合界面与自然语言表达图表意图，AI 变换数据；用 data threads 选择历史状态、分支并作为下一步上下文 | “界面选择成为 Agent 的上下文”已有直接先例。需说明跨材料工作界面的目的与关系怎样延续，不能将分支、重访或少写提示词认领为新贡献 |
这些工作说明，生成式界面应进入核心对照，而非只放在外围。Rho 的候选方法需要把实际分析中的材料选择、科学关系、布局、操作与持续上下文一起说明；尚不能据定向检索宣称这个组合首次出现。
SEMV 更直接覆盖“人的修订改变计算和记忆”：它将质疑定位到声明与证据，按受影响范围重算，保留前后报告，并将经核验的经历整合为后续可检索记忆。R39 因而“可质疑解释”“保留旧结果”“局部修正”“修正进入记忆”均不能作为 Rho 首创。其 §4.5–4.6 以核查案例的质疑及定稿后记忆整合为中心；本提案讨论的目的驱动工作界面不是由这些机制自动提供的。
Memory Sandbox 已提供可查看、编辑、摘要及返回原文的记忆；cotomi Act 已将过程整理成双方可编辑、Agent 可检索的工作区；MemGPT 已把外部记忆纳入 Agent 的工作循环。R36、R37、R34 共享文件、可编辑记忆和摘要回流都不是差别。
同样，AI Chains、任务分解和 Treadstone 已让人检查中间状态、调整并继续分析；Loops 已支持分析历史的比较与重访，分析来源服务意义恢复也有长期研究基础。R35、R19、R22、R15、R01 这些能力与版本协调共同支持持续工作，但不能替代对按目的组织界面的论证。
THREAD-Bio 则已经给出生信主张强度、重复单位和变化后持续复核的科学约束；Tisane/rTisane 已支持领域关系与统计模型的交互澄清。R24、R31、R32 本例的贡献不是发现伪重复、自动选对统计模型，或再次提出“主张需要证据”。这些工作帮助确定读者必须理解的内容；Rho 的方法处理这些判断在持续阅读与继续分析之间怎样发挥作用。
Galaxy 通过 job runner 插件和目标配置接入本地、集群及其他远程资源，并为执行目标设置环境条件。R44 JupyterLab 的扩展机制已覆盖自定义存储浏览、不同内容的渲染、运行会话与内核服务，以及应用界面的扩展。R45 因而插件架构、可定制接入、多种计算后端和可扩展工作台都不能单独作为 Rho 的新颖性。
这些机制能够成为本方法的能力基础，也构成直接的反问：在已有平台上接入 Agent 与一组视图，是否已经足够？本提案需要给出的进一步内容是，当前科学目的如何驱动材料获取与界面组合，实际接入条件如何改变可操作的组织，人在其中的判断与操作又如何成为 Agent 续接的共同依据。若最终只是工具目录、任务监控加自动摘要，插件数量和环境覆盖不能补足独立贡献。这里比较的是文档明确给出的扩展机制，不断言这些平台无法通过扩展实现本方法。
生信分析的困难在本例中体现为关系：细胞与供者、描述与推断、脚本与运行、输出与结论，以及当前选择与历史分支。不同目的需要不同的关系成为阅读重点。只压缩字数可能删掉决定解释的条件，只按时间排列产物又要求研究者自己寻找并组织依据。为当前目的选材、建立可比较关系并给出可继续操作的界面，具有实质的分析工作内容。
本方法增加的能力可由一个具体动作辨认：研究者提出当前要判断或完成的事，Rho 结合已有过程与接入能力，取得并组织所需材料与可用操作；研究者在形成的工作界面中探索、改变目的或修订解释，Agent 从这份有对象、有范围、有实际计算条件的共同状态继续，新进展再进入相应界面。 人不必先充当材料管理员和界面设计者，再另写一份提示词重述正在做什么。
代价也具体：系统可能误解目的、错选材料或掩盖反例；布局变化可能打断阅读；科学关系提取与范围维护会增加负担；统一入口可能遮蔽数据和环境差异；人易读的组织未必是 Agent 最合适的上下文；运行时也未必提供可观察的接入位置。方法需要让选材、条件、缺口和更新可检查，不能以自动生成消除这些问题。科学理解的改善仍是需要证据的效果。
当前判断：主贡献应放在“按科学目的组织可操作、可续接的人机共享工作界面”；插件提供适配信息、算力与环境的能力基础，版本协调和解释修订支持持续工作。 这一定位给出了可单独讨论的方法对象。新颖性仍要面对生成式界面、可视化创作、科学共享上下文与可扩展计算工作台的共同约束，不能凭这些能力的并列存在就宣布成立。
若方法只做到自动笔记、生成 dashboard 或向模型追加摘要，已有工作足以覆盖，独立贡献不成立。候选增量必须体现在：当前目的怎样决定真实材料的选取和组织，生成的界面怎样支持有明确含义的科学操作，以及这些操作怎样通过共同状态进入继续分析。这是本版给出的具体论证方向，不是已证实的效果，也不等于解释模型内部推理或发现生物学因果机制。
| 当前已有依据 | 与提案的关系 | 尚未建立的部分 |
|---|---|---|
| 插件能力与应用组合 及 UI 扩展 | 接入与语义由能力拥有者提供，Rho 负责选择、组合与共享交互；UI 扩展复用已有能力 | 当前 UI 扩展路径不等于新增任意服务端能力；本文的远程单细胞接入是方法示例，不是已验收连接器清单 |
| Process Studio | 已有从过程记录按角色组织材料、组合视图与布局的实践基础 | 既有情节不证明对任意科学目的均能自主选材并形成适当布局 |
| Project notes 与 meaning layer | 共同笔记、界面解释和材料引用已经有载体；Rho 可参与外部记忆 | 笔记更新指令不保证实时更新，也未建立本文整套局部修订往返 |
| 上下文与反馈 | 可区分准备、读取和显式回复，为检查接入提供基础 | 不能据此声称所有原生压缩都保留修订，或读取等于采用 |
| 保留证据 与 状态归属 | 可保留材料、诚实表达观察缺口；模型内部上下文仍属运行时 | 保留引用不自动建立全部科学关系，也不证明三种状态已协调 |
这些能力只说明探索条件，不用来反推论文新颖性。本文没有新增执行审批，不改变 Core 的可选性，不修改产品实现。
检索截至 2026-10-31，属于原论文、作者稿与项目文档的定向核查。已读机制的位置保留于下；本轮补查 Galaxy 的计算接入与 JupyterLab 的扩展边界。未安装复现比较系统，未验证其效果，也不把文献未报告某操作当作技术不可能。
保留既有来源编号。以下分别记录机制先例、科学依据与表达规范，不混同其证据层次。
R01 — 分析来源与意义恢复。 Xu et al. Analytic Provenance for Sensemaking: A Research Agenda. IEEE CG&A 35(3), 2015. 机构库与作者稿，DOI。核查引言、§2 Capture 及协作、uncertainty/trust 的讨论。这是研究议程，不是某种界面有效性的证明。
R02 — 来源模型。 W3C, PROV-DM: The PROV Data Model, Recommendation, 2013-04-30. 规范。核查 §5 的 entity/activity、derivation/revision，以及 §5.4 bundles 的不同观察者示例。规范定义表达能力，不保证每条来源断言为真。
R05 — 主张、证据及其变化。 FAIRSCAPE 官方项目说明；Al Manir and Clark, EVI: Evidence Graph Ontology, 规范，页面标示 1.6、2026-08-13，访问于 2026-10-30。核查项目说明及 EVI 的 Introduction、Claim、Annotation、directlyChallenges / indirectlyChallenges；本轮特别核对软件缺陷传播示例与“质疑不等于判错”的限制。本条使用项目和本体文档，不据此声称已有人的效果证据。
R15 — notebook 的多种差异与异步协作。 Eckelt et al. Loops: Leveraging Provenance and Visualization to Support Exploratory Data Analysis in Notebooks. IEEE VIS, 2024. 作者稿。核查 §3–4 的捕获与实现、§5.1 的跨周分析、§5.2 的肺癌队列缺失值处理，以及 §7 的协作讨论。实现位于 notebook 前端，不能笼统归为依赖特定语言解释器的方案。
R18 — 生成过程的监控与干预。 Xie et al. WaitGPT: Monitoring and Steering Conversational LLM Agent in Data Analysis with On-the-Fly Code Visualization. UIST, 2024. 所读 v1 全文，DOI。核查 §3.2.3 的阅读困难、§5.3.1–5.3.3 的检查、回看和局部修改，以及 §8.1 的阅读节奏与上下文讨论。§5.3.3 对局部追问与主对话记忆的隔离有明确说明；不把这句话扩大到全部代码修改及重跑结果。
R19 — 分解任务以支持检查和修改。 Kazemitabaar et al. Improving Steering and Verification in AI-Assisted Data Analysis with Interactive Task Decomposition. UIST, 2024. 所读 v2 全文，DOI。核查 §4–6 的三种交互及评价、§8.2 的修改传播限制；采用 v2，不沿用早期稿的研究规模。
R21 — 洞见与证据的自动组织。 Weng et al. InsightLens: Augmenting LLM-Powered Data Analysis with Interactive Insight Management and Navigation. TVCG, 2025. 所读 v2 全文，DOI。核查 §3.2–3.3 的阅读困难、§4.1 的提取 Agent 记忆与洞见修订、§5.2 的证据展开和固定聚焦、§6 的关联检查及失败、§8.3 的局限。作者网站的 PDF 也标为 arXiv v2，不能因文件名含 2025 就称为最终出版全文。
R22 — 多 Agent 分析讨论。 Lee et al. Treadstone: A Social-Media-Inspired Platform for Multi-Agent Collaborative Data Analysis. arXiv:2609.19774v1，2026 年预印本。核查 §3–4 的界面和 Agent 架构、§4.4 的模型语义关联、§8.3 的评价限制。本条只对应这一标题和版本，不与会议日程中的标题自动合并。
R24 — 生信主张与证据的直接概念先例。 Ang et al. Trustworthy Agentic AI in Bioinformatics: From Workflow Automation to Traceable and Validated Biological Inference. Biology 15(17), 1537, 2026-09-04. 出版社正文，开放全文，版本记录。重读 §6、§7.2、§7.4、§9.3，直接约束本文候选贡献。只引用作者提出的概念，不把综述转述的系统表现当作原始证据，也不把其建议的审批流程转化为 Rho 产品要求。
R25 — 单细胞推断中的生物学重复。 Squair et al. Confronting false discoveries in single-cell differential expression. Nature Communications 12, 5692, 2021. 开放全文，DOI。核查 “DE analysis of single-cell data must account for biological replicates” 与 “False discoveries in single-cell DE”。用于支持重复变异与错误推断的后果，不用于宣称某种方法适合所有设计。
R31 — 领域、数据层级与统计模型的交互推导。 Jun, Seo, Heer and Just. Tisane: Authoring Statistical Models via Formal Reasoning from Conceptual and Data Relationships. CHI, 2022. 所读 arXiv v1 作者稿，DOI。核查 motivating example、Units / Measures、nesting 与 interactive compilation；作者稿为 25 页，不据此推断正式出版页数。本文引用机制先例，不声称它已验证任意单细胞分析或外部代码。
R32 — 领域假设的交互澄清。 Jun, Misback, Heer and Just. rTisane: Externalizing Conceptual Models for Data Analysis Prompts Reconsideration of Domain Assumptions and Facilitates Statistical Modeling. CHI, 2024. 作者出版页，所读 CHI 作者全文，DOI。核查 §5.1–5.2 的声明、概念模型修订与统计模型推导。2023 年 arXiv 稿标题不同，本条采用 2024 年出版页与所链全文；不把局部模型支持推广为通用生物学判断器。
R34 — Agent 自主上下文与记忆管理。 Packer et al. MemGPT: Towards LLMs as Operating Systems. arXiv:2310.08560v1, 2023。核查 §2.1–2.4 的主上下文、外部上下文、自主读写及控制流；不从该机制推导人类界面效果。
R35 — 中间状态的检查与修改。 Wu, Terry and Cai. AI Chains: Transparent and Controllable Human-AI Interaction by Chaining Large Language Model Prompts. CHI, 2022。作者出版页，作者全文，DOI。本轮核查摘要、引言和图 1 所述的步骤连接与中间结果修改，不把这一机制当作任意开放科学工作的完整实现。
R36 — 可操作的共同记忆。 Huang, Gutierrez, Kamana and MacNeil. Memory Sandbox: Transparent and Interactive Memory Management for Conversational Agents. 所读 arXiv:2308.01542v1 全文。核查 §2.1–2.5 的可见性、编辑、摘要回看与跨会话引用，以及 §3 明示的设计探针与待开展用户研究；不把所提能力写成已有人群效果证据。
R37 — 过程整理、共享知识与行动的闭环。 Oyamada et al. cotomi Act: Learning to Automate Work by Watching You. 所读 arXiv:2605.03231v1，正文标注 CAIS 2026 与 DOI。核查 §2.1–2.3、附录 A.2/B.2：活动抽象、双方可编辑的知识应用、按需检索及行为代理测量。任务板的审批设计是该系统的机制，不转化为 Rho 的要求。
R38 — 科学共享上下文进入后续决策。 Choudhury et al. Networked Intelligence: Active Shared Context Graphs for Human-AI Team Science. arXiv:2607.13220v1，2026 年预印本。核查 Mycelium §2.1–2.3 的科学状态与执行/路由、补充图 6 中用户 E 的约束进入用户 L 后续分析的具体轨迹，以及 §4.4 的规模、冲突及跨领域意义损失问题。记录来源不自动证明科学推理正确。
R39 — 质疑、局部重算与记忆整合的直接先例。 Nguyen et al. Self-Evolving Multimedia Verification through Memory Consolidation of Contestation Experiences. arXiv:2609.27175v1，2026 年预印本。核查 §4.5 的针对声明/证据的人工质疑、依赖范围内重算与保留前后报告，§4.6 的定稿后经历核验、记忆整合及检索/使用区分，以及 §7.2 的范围限制。不以其基准表现推导持续科学协作中的用户效果。
R40 — 意图驱动的交互控件生成。 Vaithilingam et al. DynaVis: Dynamically Synthesized UI Widgets for Visualization Editing. CHI, 2024。作者全文，所读 arXiv v1。核查 §2 的交互场景、§3.1–3.2 的控件、回调、图表与数据变换，以及上下文摘要；不把图表编辑效果推广为持续科学分析的理解效果。
R41 — 内容、布局与样式的自动组织。 Shen et al. DashChat: Interactive Authoring of Industrial Dashboard Design Prototypes through Conversation with LLM-Powered Agents. 所读 arXiv:2504.12865v1，2025 年预印本。核查 §3.1–3.2 的视图及布局关系、§4 的任务规划与内容/组装/样式流程，以及 §5 的交互与历史；该版本明确排除视图间交互联动，目标为设计原型，不能推广为部署后的完整分析工作区。
R42 — 按 prompt 生成完整交互界面。 Leviathan et al. Generative UI: LLMs are Effective UI Generators. 所读 arXiv:2604.09577v1，作者项目页。核查 §1–2 的整页生成、工具、提示与后处理，§3 的偏好评价口径。项目页 BibTeX 年份与 arXiv 页面日期不同，本条以明确版本识别；不将偏好分数作为科学理解证据。
R43 — 可视化意图、分支与后续上下文。 Wang et al. Data Formulator 2: Iteratively Creating Rich Visualizations with AI. 所读 arXiv:2408.16119v1，2024 年作者稿。核查 §2.3 的意图表达与分支上下文、§3.1–3.2 的混合交互及 data threads。本条使用所读版本的标题和机制，不把它与标题不同的后续出版版本细节混写。
R44 — 插件化计算接入与执行环境。 Galaxy Project, Galaxy Job Configuration, release_25.1 文档，访问于 2026-10-31。核查引言、Job Runner Plugins、Job Destinations 和 Environment Modifications；这里用明确版本说明既有扩展能力，不作为当前部署指南或人机协作效果证据。
R45 — 可扩展的交互计算工作台。 JupyterLab, Common Extension Points, 4.4.x 文档，访问于 2026-10-31。核查 Core Tokens 中的文件浏览、内容与 MIME 渲染、运行会话及内核服务，和 Jupyter Front-End Shell；这些机制是能力先例，不证明本文所提目的组织与共享上下文的效果。
基调。 以 Rho 为具体系统，写一篇问题驱动的计算分析方法论文：展示研究者与 Agent 如何围绕分析问题阅读、运行、检查结果和继续工作。现有真实项目能为界面行为和分析过程提供事例，不能单凭这些材料证明问题由界面自主发现、解释被科学验证、研究者更理解结果，或 Rho 优于其他工具。题目采用 Rho: A Human–AI Collaborative Interface for Discovering Questions and Testing Explanations；“discovering”和“testing”表述支持的工作，不预先断言发现或验证已经成功。
正文取舍。 按作者要求，论文正文和配图不展开本次测试发现的执行缺陷、故障排查或客户端限制；这些观察留在实现方的测试记录中。正文仍须如实界定分析范围、实际完成的材料、数据与方法差异以及尚未验证的生物学解释，不把案例写成无条件成功或评价结果。
P2 富集结果不用于论文。 用户指出该富集很可能没有成功运行。现有文件只有表头，尚不足以判断它代表有效的生物学空结果还是执行问题；在完成独立核查之前，不以此作为案例、方法结论或结果，亦不声称没有富集通路。质控、聚类和差异比较可分别按各自的证据与限制考虑。
来源与版本。 Rho 0.5.2 测试使用的源码为 64d73550f4bb1786e6cec42071fbe8a67a8ba230。五次运行的 episode、导出与截图已在 Rho 工作区本地核查；episode 目前尚未提交，不能链接到 GitHub 上不存在的页面，也不能把本地暂存材料当作可公开核验的实现记录。英文样稿和图先在本地整理，待实现仓库发布记录并核对持久引用后再作为可发布的论文证据。本轮不修改或发布实现仓库。
| 材料 | 可用于说明 | 不能据此声称 |
|---|---|---|
| 五次真实数据分析 | 同一个本地服务中执行预先指定的表达、差异、富集与图形任务；共享 R 会话、记录和界面可供回看 | 全文献重现、系统基准、真实用户研究或多组学各模态均已分析；P3 空间区域、P4 代谢组及 P5 单细胞不在此次范围 |
| P1 的 Notebook、Studio、Graph 和答案 | 笔记、运行单元、变量、图与有来源类型的关联怎样呈现；原文与复算计数不一致可作为待解释问题 | 关联本身证明科学推理正确；截图可证实画面，不能单凭截图推断 Agent 读取或采用了全部共享上下文 |
| P2 的单核分析 | 检查样本单位、组间不平衡和细胞类型注释的具体场景 | 4,113 项即为可靠的生物学发现；P2 的脚本未整体从头重跑；富集输出未核实，不用于论文 |
| P3–P5 的继续运行 | 展示任务中断、继续、不同输入和未得到预期结果时的材料与缺口 | 把 2/5 一轮完成率、授权次数或花费推广为其他模型、设置或日常使用的可靠估计；把客户端停止的所有根因当成已证明的系统机制 |
| PA14 随附项目 | 作为可运行的入口或教学场景，参照 项目说明 区分数据来源与分析任务 | 把随附案例当成五次应用测试的第六次独立评估或研究者观察 |
测试中使用一个 Agent、一个模型、Medium effort、手动授权、一台机器；Core 不可用。五项任务都经历共享 Notebook 的 kernel.run；两项首轮完成，另三项通过继续取得记录中列出的部分材料。P2 富集文件只有表头，其状态待核实，不用于论文。继续不代表沿用同一个底层 Agent 会话；记录提到 P2 的底层会话曾结束而对话历史被重新提供。测试条件和缺陷保留在实现记录中，不能以功能成功替代对效果的评价。五项任务使用的是 GEO 公开数据，但数据在运行前已下载，而非由运行中的 Agent 实时从 GEO 拉取。
P2 的科学边界。 原文 Koutsodendris et al., PMID 37118426、开放全文考察神经元 APOE4 删除及多种病理和细胞结果；本次选做的是兴奋性神经元中 PS19-fE4 与 PS19-fE3 的比较，并非原文关键的 PS19-fE4/Syn1-Cre 对 PS19-fE4 删除比较，也未对照原文差异基因清单或完成其细胞亚群分析。所用核数分别为 20,832 与 8,533，来自 4 与 3 只小鼠；细胞不是独立生物学重复。脚本以单细胞 FindMarkers(..., test.use = "wilcox") 检验，未建模鼠间依赖，须以样本级汇总或合适的分层模型复核；不应把大细胞数当作生物学重复数，也不能因其有问题就推断结果必然全错。Seurat 文档将 p_val_adj 描述为 Bonferroni 校正；本机 Seurat 5.4.0 的 FindMarkers.default 代码也使用 method = "bonferroni"。现有本地 findings 将差异分析的该字段标为 BH，与脚本及实现不符；KEGG 的 BH 调整是另一个步骤，不应混为一谈。原文 Methods 对 KEGG 另列 adjusted P < 0.8 和至少 10 个基因，本次 enrichKEGG 使用 0.05；富集输出的执行状态尚未核实，不用于论文。尚须核对数据集、类别注释、输入基因及阈值后，才可对生物学一致性作判断。
图的用途。 P1 的 1440 × 900 原始截图可作为整栏图候选：Notebook 显示 Agent 单元和共享变量；Studio 显示笔记、过程、回答和时间线；Graph 显示材料、finding 与关系类型。截图展示的是一次具体状态，图注必须说明项目、版本、界面及其局限；不能用合成图冒充观察。答案板内嵌的原图标签较小，宜以单独的高分辨率结果图补充，而不是把小字缩进双栏图中。最终版式需在实际页面尺寸上复查文字清晰度。
以下是本地 LITERATURE-REPRO-EPISODE.md 与项目脚本、结果表和 findings 的写作边界；实现仓库中的 episode 尚未公开，英文稿中的五个案例仍是待公开记录的工作稿。原始研究由各案例对应的 PubMed 页面标识；不能用这些原文代替本次运行的证据。
| 案例 | 可写的本次观察 | 不建立的结论 |
|---|---|---|
| P1，GSE274459 | 17 个样本、两项两组 DESeq2 对比；记录阈值与不同的 reversal 定义，主结果与论文计数不一致 | 差异的原因已经确定；富集结果已经复核为原文复现 |
| P2，GSE221215 | 11 个样本、质控后 92,597 个核；粗分类含未解决类别；fE4 与 fE3 兴奋性核分别来自 4 与 3 只鼠，细胞级比较未建模鼠内依赖 | 原研究 APOE4 删除的主要对比已复现；细胞注释或差异结果已验证；任何未核实富集结果可用于论文 |
| P3，GSE232853 | 16,560 基因、578 个 AOI；CD68/CD20 对比及配对与非配对备选；1,111 项达到指定阈值，Hallmark 结果未区分方向 | 可从该富集表判断哪一侧驱动通路；原文区域对比已复现或富集与原文一致 |
| P4，GSE270697 | 3 个老年、4 个青年样本；指定阈值下 604 项与原文 500 项不同；记录注释、过滤、代谢通路和一条未映射转录本 | 差异由某一选择导致；未映射转录本对归一化的影响已知；图中前十代表全部方向；代谢组已分析 |
| P5，GSE252990 | 40 人、三个时间点；40 人基线与 C3D1 配对，主分析及直接对连续值做 voom 的备选产生不同的计数 | 任一选择已被证实最优；40 人矩阵等同原文 54 人整体；观察是治疗的因果效应或独立验证 |
外部 Agent 有两项不同证据，不能写成同一次运行：Base-R collaboration episode 是由自动化人员操作触发的真实外部 Claude Code，通过项目限定 MCP 修改 airquality 纳入规则，比较两次结果；独立 base-R 算式核对五个月的汇总，不验证领域结论。Claude, Codex and external ACP sessions 记录另一个安装版外部 Codex 演示：原客户端持有输入和运行，Rho 通过明确配置的 ACP relay 读取计划和文件引用，截图为 Rho 侧的实际观测，并非外部客户端窗口，也不证明被动连接任意未配置客户端。该包有记录的构建覆盖，不等同五个项目的 0.5.2 运行。
2026-11-02 重开五项目状态后，另以 3840 × 1972 屏幕截图记录 P2–P5 现有项目视图；这是重开时的界面，不是原运行时的实时 R 会话。裁图保留原生像素，排除浏览器其他标签与个人资料。外部 ACP 和 Base-R 的历史图原始分辨率为 1440 × 900；不能将像素插值描述成重新采集的高分辨率证据。P1 原运行中实时变量仅见于当时捕获的图，重开后的会话已结束。
英文预印本采用引言、相关工作、系统与分析方法、五个案例、外部 Agent、讨论、局限与材料可用性的顺序。相关工作采用第 7 节记录过的版本与边界：WaitGPT 和交互式任务分解已支持过程检查与修改，InsightLens 已组织洞见及其依据；Data Formulator 2 已将历史状态作为后续上下文；Mycelium 已把科学上下文与人的约束用于后续分析。它们不是 Rho 的空白对照。Rho 所展示的是一个具体系统如何把现有材料与操作放在同一工作环境中；这些案例尚不证明按科学目的自动生成最优界面，亦不证明改善用户理解。
病例文献的 PubMed 元数据以已缓存的对应记录核对，引用只使用确认的作者、题名、刊物、年份和 PMID，不采用缓存中与文章不符的 DOI 字段。五项目的运行、截图与结果仍以尚未公开的 Rho 实现记录为依据；公开原文与 GEO 数据不是该运行记录。英文预印本可以作为可审阅草稿，但在这些依据形成稳定公开引用、作者和单位确定、科学结果经领域复核前，不能表述成投稿就绪或独立复现实验。