Tencent BrowserSkill：已登录浏览器与编码Agent的本地桥接方案
2026/9/27 23:56:56
千笔-AIWritePaper · https://www.aiwritepaper.com
编辑部、图书馆和科研诚信岗位在搭「可靠研究」工具链时，最常见的失败不是工具买少了，而是把不同层的输出当成同一种结论：把论文工厂预警当成欺诈认定，把「有数据可用声明」当成数据真的可复用，把引用语境里的「对比」当成原文已被推翻。
本文的素材是 Research Solutions 频道的公开网络研讨会回放Stargazing the Future of Reliable Research: LLMs, Clear Skies, DataSeer, and Scite（视频 id8yzWk3_by0I，2025-01-22 发布，时长 1:01:13）。嘉宾是 Clear Skies 创始人兼 CEO Adam Day、DataSeer 创始人兼 CEO Tim Vines，以及 scite 联合创始人、Murray State 大学心理学教师 Sean Rife（姓名据其个人简历与 ORCID 核对，字幕中识别不清）；主持人为独立顾问 Adrian Stanley 与 Research Solutions 的 Sharon。本文依据视频的英文自动字幕逐段核对，下文方括号里是时间戳；引述均为意译，不是逐字原话，自动字幕可能有识别误差。本文不给三家打分排名，只做三件事：按问题选层、分层验收、终裁与能写/不能写。
视频：https://www.youtube.com/watch?v=8yzWk3_by0I
图：上方三层（信号 / 实践 / 引用语境）各自输出什么；中部人工核验；底部终裁四档与能写/不能写。
目标说明
读完应能独立完成五件事：
- 说清三家在研讨会中各自讲述的角色，以及每层输出不是什么。
- 按你要回答的问题选层，而不是按品牌或功能清单选工具。
- 为每层写出验收标准：信号层只产出待查清单，核验层留下人工记录，终裁层要有签名。
- 用 adopt / trial / defer / reject 四档做终裁，且至少有一行 defer 或 reject。
- 对外写材料时守住能写/不能写边界，不把研讨会观点写成已生效政策。
适用边界
适合
- 期刊编辑部想把投稿初筛、数据政策核查、引用核验串成一条流程。
- 图书馆或科研管理部门评估诚信类工具，需要一份可复核的选型记录。
- 研究者想在引用某篇论文前确认它后续被怎样讨论。
不适合
- 想要「哪家最准」的排名：研讨会没有给出可比的准确率数据，本文也不编造。
- 想用工具自动处罚作者：嘉宾明确反对由机器做欺诈判断（见下文）。
- 需要产品价格、接口细节：研讨会未涉及，请以各家官方资料为准。
研讨会里可核实的三个角色
| 工具 | 讲者 | 研讨会中的描述 | 时间戳 | 这层输出不是什么 |
|---|---|---|---|---|
| Clear Skies | Adam Day | 数据分析公司，做了首个论文工厂检测服务 Papermill Alarm；以网络分析（如合著关系）发现问题论文集中的社群 | [07:15–09:39] | 不是欺诈认定 |
| DataSeer | Tim Vines | 用自然语言处理识别论文中的开放科学实践（如数据共享）；用大模型做简单判断，例如推断漏填的基金号，再交作者确认 | [09:39–13:38] [51:32–53:10] | 不是数据质量证明 |
| scite | Sean Rife | 用深度学习把引用语句分为支持、对比、提及（研讨会口述为 contrasting，scite 论文中称 disputing）；与出版商有索引协议，覆盖开放与非开放全文；呈现撤稿等通知；生成式助手与检索分开设计 | [13:38–18:29] [47:30–49:06] | 不是结论已被推翻 |
三点关键原话（意译）：
- Adam Day：规模化模式可以说明一批论文有共同特征，但这本身不是欺诈证据，必须由人去看并作出判断 [23:19–24:53]；即使有完美的 AI，把欺诈判断自动化仍然是不道德的 [22:31–24:06]。
- Sean Rife：他在上课或引用前会看一篇论文的引用报告，关注它是否被后续研究「强烈对比」，并特意说「不是被驳倒」[16:51–17:38]。
- Tim Vines：数据集被复用时，正式引用只在大约一成的情况下出现（讲者口头估计），其余是顺带提及或缩写，AI 可以据此重建「推定引用」[52:21–53:10]。
按问题选层（不按品牌选）
| 你要回答的问题 | 选哪层 | 输出形态 | 必须附带的人工动作 |
|---|---|---|---|
| 这批投稿里有没有值得重点查的 | 信号层（如论文工厂预警、网络分析） | 待查清单与理由 | 专人逐篇核看 |
| 作者说的数据和代码是否真的可获取 | 实践层（开放科学实践识别） | 声明与实际共享情况对照 | 打开链接、检查数据是否对得上 |
| 这篇论文后来被怎样讨论 | 引用语境层（支持/对比/提及） | 引用语句列表与撤稿通知 | 读原文上下文再下结论 |
| 这篇该不该发、该不该撤 | 不交给任何一层 | — | 编辑与诚信委员会终裁 |
最后一行是整张表的门闩：三层都只提供证据，裁决权不在工具里。
分层验收
| 层 | 通过标准 | 失败含义 | 产物 |
|---|---|---|---|
| L1 信号 | 每条预警附理由；标注为「信号」而非「认定」；预警率被记录 | 分数被直接写进作者信 | signal-log.csv |
| L2 核验 | 每条信号有人工核看记录：看了什么、结论、核看人 | 信号未经核看就升级 | review-log.csv |
| L3 终裁 | 四档之一；签名与日期；给作者回应窗口 | 口头决定、无签名 | adjudication.csv |
L1 到 L3 不能跳级。Adam Day 在研讨会中还提到，一位作者如果有长期、标识清晰（如 ORCID）且从未被标记的发表记录，本身就是有价值的上游信息 [33:52–34:39]；但他同时强调即使历史记录很差，也仍要由人作判断。这正好说明 L1 的任何信号，包括「历史良好」，都不能替代 L2。
层间交接字段（让三层能对上号）
三层工具各自输出不同格式，最容易断的是交接处。建议每条记录至少带下面这些字段，否则 L2 核看人不知道信号从哪来、L3 终裁人不知道核看过什么：
| 字段 | 谁填 | 说明 |
|---|---|---|
| item_id | 系统 | 稿件号或 DOI，三层共用 |
| layer | 系统 | signal / practice / citation |
| raw_output | 系统 | 工具原始输出，保留原文不改写 |
| reason | 系统或初筛人 | 预警理由、识别到的共享声明、引用语句原文 |
| reviewer | 核看人 | L2 人工核看者，不得与终裁人为同一人 |
| checked | 核看人 | 实际打开了什么：原文段落、数据链接、引用上下文 |
| verdict | 终裁人 | adopt / trial / defer / reject，或对单篇的处理决定 |
| notice_sent | 终裁人 | 是否给作者回应窗口 |
raw_output和checked两列最关键：前者防止信号在转述中被放大，后者证明人确实看过。
终裁表（四档）
| 档位 | 条件 | 例子 |
|---|---|---|
| adopt | 三层都已跑通，人工核验记录完整，试点中未出现把信号当认定的情况 | 投稿初筛接入信号层，所有预警进入人工队列 |
| trial | 某层输出可用，但人工核验流程尚未定岗 | 引用语境层先给编辑参考，不进决定信 |
| defer | 输出和你的问题对不上，或缺少可复核的记录 | 想用实践层判断数据真伪（它只识别共享实践） |
| reject | 流程要求工具直接作出处罚或认定 | 「预警分超过阈值自动退稿」 |
门禁：终裁表里没有任何 defer 或 reject 行，说明你只做了采购清单，没有做选型。
能写 / 不能写
| 能写 | 不能写 |
|---|---|
| Clear Skies 讲者介绍了论文工厂预警服务与网络分析方法 | 「Clear Skies 认定某文为论文工厂稿」 |
| 讲者表示规模化模式本身不是欺诈证据，需人工判断 | 「预警分数高即可退稿」 |
| DataSeer 用 NLP 识别论文中的数据共享等开放科学实践 | 「DataSeer 证明该数据集真实可靠」 |
| scite 把引用语句分为支持、对比、提及 | 「被标为对比 = 结论已被推翻」 |
| 讲者估计数据复用的正式引用约占一成 | 「研究证实数据引用率为 10%」 |
| 嘉宾对未来十年科研经费的判断是个人预测 [54:00–55:38] | 「研讨会指出科研经费将被大幅削减」 |
| 研讨会是 2025 年 1 月的公开讨论 | 「本刊已采用上述工具与流程」 |
研讨会里值得带走的三个设计原则
- 检索与生成分开。Sean Rife 介绍，scite 的生成式助手负责「读和写」，另有独立系统负责查找文献；普通大模型把两件事混在一起 [47:30–48:18]。你自己搭工具链时，也应把「找证据」和「写结论」拆成两个可分别验收的步骤。
- 上游数据质量优先。Adam Day 的说法是：第一条规则是先产出好数据，第二条是练好修数据的本事，因为总会要修 [33:03–33:52]。对应到流程里，就是投稿系统的元数据、标识符要先规范。
- 警惕错误悄悄传播。Adam Day 提到写作助手给出的内容若被略读放过，中间的错误可能进入文献而无人察觉 [44:19–45:06]。这正是 L2 必须留下「看了什么」的原因。
可审计产物
_w/toolchain-selection.csv：问题 → 层 → 输出 → 人工动作_w/toolchain-layer-acceptance.csv：L1–L3 验收记录_w/toolchain-adjudication.csv：四档终裁，必含 defer 或 reject_w/yt/8yzWk3_by0I.txt：自动字幕整理稿（带时间戳）
踩坑
- 把研讨会里的产品介绍直接抄成采购理由，没有写本单位要回答什么问题。
- 信号层和核验层由同一个人一键完成，没有独立核看记录。
- 把「对比」引用数量当成论文质量评分。
- 引用研讨会时写成「专家一致认为」：嘉宾之间也有分歧，例如 Tim Vines 担心少数人借 AI 大量制造垃圾研究 [24:53–26:35]，Adam Day 则强调 AI 让造假更快、但未必增加不诚实的人数 [20:52–21:42]。
当天 45 分钟脚本
| 分钟 | 动作 |
|---|---|
| 0–10 | 写下本单位要回答的三个问题，填选层表 |
| 10–20 | 为每层写通过标准与失败含义 |
| 20–30 | 拿一篇脱敏稿件走一遍 L1→L2，记录核看内容 |
| 30–40 | 填终裁表，至少一行 defer 或 reject |
| 40–45 | 对照能写/不能写，删掉越界句子 |
总结
可靠研究工具链的选型，单位不是工具，而是层：信号层告诉你先查哪里，实践层告诉你作者做了什么，引用语境层告诉你学界怎么讨论，裁决始终在人。研讨会里三位嘉宾反复强调同一件事：工具给证据，人做判断。把这句话写进验收表和终裁表，比比较哪家功能多更有用。
参考：视频 https://www.youtube.com/watch?v=8yzWk3_by0I （Research Solutions，2025-01-22；本文依据英文自动字幕核对）