Notes2Skills：从实验记录本到具备确定性感知的科学 Agent 技能

科学发现工作流高度依赖记录观察、解读不确定结果及规划后续实验的实验室笔记。然而，现有研究多关注正式论文或结构化数据，忽视了非正式笔记中混杂的已验证观察、暂定判断与潜在步骤。若混淆这些信号，AI 代理可能误将不确定判断视为既定结论或可执行动作。为此，本文提出 Notes2Skills，一种两阶段框架，旨在将实验笔记转化为可验证的科学 AI 代理技能，同时保留作者的确定性信息。实验表明，该框架能有效区分不确定笔记与明确指令，为构建更安全的 AI 合作科学家系统开辟了新路径。