帖子进阶
分享用独立对抗审查Agent做发现工作的方法
fofr 在 X 上列出一套做“发现类”工作的流程要点：让流水线能在盲测条件下复现已知结果，同时能拒绝已知的冒牌案例与仪器故障；不轻信自身结果，反复启动带有非诱导性提示的独立 Agent 做对抗式审查，并要求审查者从原始数据重新验证；每当审查发现问题，就尝试提炼成通用的技能或流程。适合用 AI Agent 做实验、数据探测或自动化研究工作的人关注。
- 分级
- 值得看
- 收录时间
- 2026-10-26
原帖
never trust your results, always spin up an independent agent with a non-leading prompt to do an adversarial review, do this repeatedly - have the reviewer re-verify from raw data
中文大意
发帖人 fofr 分享自己做发现类工作（文中举了用 Argon 找到一颗奇怪恒星 Gaia DR3 4582145718700356096：可见光下正常、类似太阳，但 2010 年 3 月在 22 微米深红外波段比预期亮约 60 倍）时的方法：让流程在盲测下复现已知结果；也要能拒斥已知的冒牌信号和仪器故障；不要相信自己的结果，反复启动用非引导性提示词的独立 agent 做对抗性审查；让审查者从原始数据重新验证；每当审查者发现问题，就从中提炼通用经验，沉淀成技能或流程。适合做数据发现、异常检测、用 agent 交叉验证结论的人阅读。
讨论区核心观点
依据 3 条评论
- 补充建议：做流程校准时要用大样本（1 万以上）数据集，并在确认结果稀少时用 NASA batman 之类合成工具把信号注入真实数据中。
- 认同“让第二个机器人检查第一个机器人的作业”这一做法，认为是当天听到最合理的建议。
- “永远不要相信你的结果”是核心：有回复者把同一原则套用到 AI 图像上——先生成 20 张挑 1 张，再手工修过才给客户看。