零控制是必要的，但并不充分：评估用于科学发现与可解释性的接受判据

arXiv:2610.22445v1 公告类型：cross 摘要：自动化发现系统提出科学解释，并检验哪些解释应当被接受。通过一项检验是否就能确立其目标主张？我们开发了四种用于改变物理描述的可执行操作：识别冗余（L1）、对动力学进行粗粒化（L2）、迁移结构（L3），以及根据守恒不平衡推断缺失量（L4）。我们通过空接受率（NAR）、正接受率（PAR）和结果一致率（CAR），评估这些操作以及三种可解释性场景。一个将每个状态都映射为零的约简，能够完美预测自身的未来。尽管不保留任何动力学变化，它仍在129个公开混沌系统中的96%上通过了闭合性检验。一个独立的可观测量保持检验则始终拒绝该约简。在受控基准测试中，组合判据接受了24/24个真实约简，并拒绝了72/72个空约简。其他操作能够区分对称性与冗余，验证结构迁移，并拒绝虚假的守恒不平衡。在语言模型和ESM-2蛋白质模型中，当所提出的对应关系被随机旋转时，线性CKA保持不变；而局部化干预能够区分真实映射与所测试的空映射。在稀疏自编码器中，富集检验拒绝了全部16个被测试的空映射，但独立消融仅支持45%的可评估富集特征，而匹配对照的比例为0.5%。这些结果揭示了两个接受缺口：描述性检验可能接受科学上空洞的候选项，而已接受的候选项可能缺乏经过独立验证的结果。可靠的自动化发现要求同时评估一项检验接受了什么，以及它确立了哪些科学后果。代码和数据：https://real-project-aether.github.io/project-aether/。