把论文从「文档」变成「推理资源」：大知识

做科研 AI 的都碰过这尴尬：模型搜论文写答案，看着挺像那么回事，但你一问它依据哪段推理、跟别的结论冲不冲突，立马变成一团黑箱。

我们最近搞了个大知识模型 LKM，直接把论文从“文档”拆成了“推理资源”。每篇论文被重组成一张带来源锚定的推理图。现在检索不再是找整篇文献，而是直接定位到具体的问题、论断和推理链。

这套系统已经吃下了四千万篇论文的推理层。实测下来，科学问答的准确率涨得挺猛。ChemBench 上抬高了 9.30 个百分点，SciBench 更是涨了 14.69 个点。更关键的是引用变实了，LKM Graph 把引用 F1 分数提到了 54.06%，比普通搜索高出 5 个多点。

说白了，当科研 Agent 替你读论文时，给它一个能追溯每一步论证的知识底座，比塞给它一个更大的上下文窗口管用得多。