Атлас Науки — открытая инициатива

01

Зачем

Одну статью языковая модель прочитает и без всякой разметки. Восемьдесят тысяч работ одной области — уже нет: в контекст они не помещаются, а перечитывать корпус под каждый вопрос дорого, и каждый раз выходит другой ответ.

Атлас Науки читает корпус один раз и оставляет разметку: утверждения, вынутые из текста, приведённые к общим типам и связанные с дословным фрагментом источника. Дальше вопросы задают разметке, а не текстам. Спрашивать можно то, чего нет ни в одной отдельной работе: кто это уже утверждал, кто получил обратное, что воспроизвели.

Разметка — артефакт, а не генерация: её можно проверить, оспорить и переиспользовать. Пока общего формата нет, каждая система строит свой, и они не складываются.

02

На примере

Одна карточка целиком: утверждение вынуто из текста, типизировано, и каждое поле может показать свой источник.

ИСТОЧНИК · OUYANG ET AL., 2022, §4.1 In human evaluations on our prompt distribution, outputs from the 1.3B parameter InstructGPT model are preferred to outputs from the 175B GPT-3, despite having 100x fewer parameters. span #a41f · символы 214–388 извлечение CARD · RESULT id r-0192 claim comparison evidence links 1.3B InstructGPT предпочтён 175B GPT-3 по человеческой оценке InstructGPT-1.3B vs GPT-3-175B span #a41f → §4.1 supports → r-0087 refines → t-instruction-tuning без поля evidence карточка не проходит приёмку
Каждое содержательное поле карточки указывает на спан. Ссылка проверяема: по ней агент открывает точный фрагмент, а не «похожий текст».
03

Как устроено

Пять уровней. Каждый — сжатие нижнего, и каждый обязан ссылаться вниз. Узел, который не может показать источник, в Атлас не попадает.

~10²~10³~10⁵~10⁶~10⁷ L4Карта области портфель работ, дрейф тематик L3Тема кластер связанных работ L2Документ статья, отчёт, патент L1Карточка Result · Method · Claim · Dataset L0Спан дословный фрагмент источника NLP · научная область~80 000 статей instruction tuningтема внутри LLM-кластера Ouyang et al., 2022InstructGPT InstructGPT-1.3B предпочтёнGPT-3-175B, по human eval «…are preferred to…»§4.1, стр. 5, символы 214–388 ПРИМЕР УРОВЕНЬ УЗЛОВ обобщение · аналитика спуск к источнику · агент нет провенанса — нет узла каждый уровень обязан ссылаться вниз ↓
Одна разметка на двух читателей: аналитика работает с верхними уровнями, агент спускается по тем же уровням к точному месту в тексте. Справа — та же работа из предыдущего раздела, разложенная по уровням.
04

Направления

Работа разбита на направления. Они опираются на общий формат разметки, но не зависят друг от друга: направление можно вести, не дожидаясь остальных.

активно
D1Онтология

Каркас типов и правила, по которым он растёт, в том числе автоматически под конкретную область.

активно
D2Извлечение и провенанс

От текста к карточкам со ссылкой на дословный фрагмент.

активно
D3Доменная адаптация

Перенос в новую область: свой словарь при неизменном каркасе.

открыто
D4Поиск для агентов

Спуск от темы к карточке и к точному месту в источнике вместо поиска похожего текста.

активно
D5Интерпретаторы верхних уровней

Карты областей, динамика тематик, портфели работ.

открыто
D6Консенсус и противоречия

Поддержка, противоречие, независимость свидетельств, воспроизводимость.

открыто
D7Оценка и приёмка

Чем измеряется качество разметки и когда она считается готовой.

открыто
D8Инфраструктура и данные

Хранение графа, воспроизводимая сборка, публикация в открытом доступе.

05

Схема типов

Главная нерешённая развилка: откуда берётся схема типов. Пять вариантов на оси от жёсткой схемы к полной свободе; рабочая гипотеза — гибрид.

жёсткая схемаполная свобода Bфиксированная Dгибрид · выбрано Cиндуцированная Aбез схемы Eагентный контур
  • A
    Без схемы. Открытое извлечение, узлы — именные фразы. Структурный вопрос задать нельзя.
  • B
    Фиксированная. Типы заданы заранее. Предсказуемо, но нового не откроет и не переносится.
  • C
    Индуцированная. Типы выводятся из корпуса. Адаптивно, но нестабильно между прогонами.
  • D
    Гибрид — рабочая гипотеза. Каркас заморожен, листовые классы растут из корпуса, перед созданием класса — проверка на переиспользование чужого термина.
  • E
    Агентный контур. Гибрид плюс агенты типизации, выравнивания и разрешения конфликтов. Когда гибрид заработает.
06

Участники

  • Всеволод Каримовинициатор · формат, извлечение, интерпретаторы
  • Арслан Галеевонтология и её автоматическая сборка под домен
  • Анастасия Порошинадоменная адаптация: биоинформатика
  • Открытоконсенсус, оценка, инфраструктура, новые домены
07

Путь

  • 2025
    Начало проекта.
  • Июль 2026
    Drift Inspector — первый интерпретатор поверх разметки: 346 тыс. утверждений из 80 тыс. статей. Открытый код и данные.
  • Июль 2026
    MetalCrow — тот же подход на материаловедении. Второй домен.
  • Август 2026
    Первая публикация: EMNLP 2026.
  • Осень 2026
    Онтология и её автоматическая сборка под домен.
  • Зима 2026
    Поиск по разметке для исследовательских агентов.
  • Дальше
    Консенсус между работами. Новые домены.
Инициатива независимая и открытая. Формат и движок остаются открытыми; системы, построенные на них для закрытых корпусов, — отдельные приложения.
08

Присоединиться

Напишите, если готовы взять направление из списка, предложить своё или поспорить с написанным.

Написать Telegram Репозиторий