01
统一科研轨迹
导入 Claude Code 或 Codex JSONL，保留完整上下文和事件顺序。
01 为什么科研需要轨迹
bench rail
为什么科研需要轨迹
模型要学会科研，先看见科研如何发生。
论文和答案只留下终点。训练模型真正需要的，是问题如何拆解、证据如何判断、失败如何修正。
- bundles
- 414
- files
- 1,701
- corpus
- 2.03 GB
- 01真实科研
保留问题现场
保留问题、工具调用、证据判断与失败分支，不把科研过程剪成一段漂亮的对话。
- 02可复核数据
让每一步可检查
按事件拆解轨迹，定位缺失、异常和越权调用，让训练样本有清楚的质量边界。
- 03反馈模型
把数据送回训练
用公开规则比较不同模型和任务，让评测结果能回到训练改进。
规模分布
p90 是 919 KB，max 是 178.7 MB。存储与前端必须按 p99.9 大于 100 MB 设计，不能按中位数设计。
199x
p90 919 KB
min 267 Bmax 178.7 MB
p25 127 KB p50 264 KB p75 458 KB
02
数据生产线
数据生产线
从一段科研过程，到一份可用训练样本。
导入、质检、脱敏、复核、比较、隔离。每一步都让真实轨迹更接近可用数据。
- 02auto_qcready
样本质检
标出缺失、异常和越权调用，拒绝不可复核的训练样本。
- 03redacted → shareable
安全脱敏
密钥、路径和主机名先替换，再生成可分享的数据版本。
- 04
回到证据现场
沿主线、分支和子 Agent 回看，找到真正改变结论的那一步。
- 05
比较模型过程
对照不同模型的决策、工具和结果，让改进有据可查。
- 06projectexportauditttl
按项目治理
项目分区存储，权限、导出和留存规则清楚可追溯。
单会话分布：中位数到峰值（424 个主会话全量实测）
单会话分布measured
tool_use 次数3,872
med 7
output tokens5.14M
med 12 K
cache2.43G
med 561 K
分叉点86
med 0
03 真实科研过程
dom + svg
真实科研过程
让模型看见科研的完整路径。
每个节点是一条真实事件，每条连线是一段可解释的因果。复盘、评测和训练，都从同一份轨迹开始。
- fork points
- max 86
- branched
- 58.3 %
- tool_use
- max 3,872
- 0001用户指令1.2 KB
- 0002规划41 tok
- 0003读取文件L1-64
- 0006编辑+2 -1
- 0014结果end_turn
- 0005执行命令exit 0
- 0009子 Agentagent-8f3c
00:0025:3051:0076:30103:22
- 主线
- 分支
- 子 Agent
- 当前步骤
事件和时间均来自统一事件模型。
研究者正在贡献
把个人经验，变成模型能学习的证据。
数学、物理、化学和生物的路径不同，但都需要真实、完整、可复核的过程数据。以下为研究工作流示例。
“把推导、脚本调用和回退分支放在一条轨迹里，复核时终于能定位到真正改变结论的那一步。”
数
数学研究者（匿名）
研究工作流访谈示例
物
物理研究者（匿名）
研究工作流访谈示例
化
化学研究者（匿名）
研究工作流访谈示例
生
生物研究者（匿名）
研究工作流访谈示例
覆盖的研究场景
机构名称用于说明研究场景，不代表合作、采购或背书。
下一阶段
从一条轨迹，走向一个持续生长的网络。
我们正在把真实科研过程连接起来，让每一次贡献都能留下方向、形成规模，并抵达更多研究现场。
真实过程保留问题、工具调用和每一次判断，让科研轨迹保持完整。
从样本，长成基础设施。
更多领域加入，轨迹从孤立记录汇成可持续迭代的数据网络。
全球网络
LIVE2,847 watching
LIVE2,049 watching
LIVE1,571 watching
LIVE1,284 watching
LIVE1,112 watching
LIVE1,009 watching
05
benchmark
- trace id
- 真实任务轨迹
- event seq
- 逐事件复核
- rule id
- 规则公开可重跑
07 数据贡献规则
clause-backed
数据贡献规则
每一条数据，都先把边界说清楚。
授权、脱敏、审核、报酬和撤回方式，都在提交前透明说明。
本节引用的文书