📌 项目地址：github.com/OpSafari/hypoarena | 星数：556+ | 语言：Python | 依赖：运行时仅 NumPy | 模式：全离线
「AI co-scientist」（generate–debate–evolve 自动科学生成假设）是过去一年的热门范式，但它是个黑盒：端到端跑一次烧钱，出了问题不知道哪层在胡说。hypoarena 做的是机制层拆解：把整条管线分解成可独立测试的组件，全部离线可复现。决策模型路由的同类组件见 Jeff决策模型教程 与 Kev训练教程。
| 组件 | 作用 |
|---|---|
| 假设/证据图 | 带引用的假设与证据关系网络 |
| 合成文献工厂 | 不联网生成可控制的"文献"，供管线消费 |
| span 级 grounding 校验 | 逐句验证结论是否有依据支撑 |
| 可插拔 agent 适配器 | 任意 agent 接入同一个测试框架 |
| Bradley–Terry / Elo 锦标赛 | 假设间两两对决排出强弱 |
| 改写去重 | TF-IDF + MinHash LSH 识别换皮重复假设 |
| 假设进化算子 | 进化式改进假设的机制组件 |
| 贝叶斯证据累积 | 证据如何量化地更新假设置信 |
# 开发环境
python -m venv .venv
.venv/bin/pip install -e ".[dev]" # hatchling/pytest/ruff/mypy
# 需要可选 ranker（PyTorch CPU 版）
.venv/bin/pip install -e ".[dev,torch]" \
--extra-index-url https://download.pytorch.org/whl/cpu
# 一条命令体验
.venv/bin/hypoarena demo --chains 2 --chain-length 2 --out /tmp/hya一个完全离线的科学假设发现工作台（OpSafari/hypoarena，556 星）：把 generate–debate–evolve『AI co-scientist』管线的机制层拆解成可独立测试的组件——带引用的假设/证据图、合成文献工厂、span 级 grounding 校验、可插拔 agent 适配器、Bradley–Terry/Elo 锦标赛、TF-IDF 与 MinHash LSH 改写去重、假设进化算子、贝叶斯证据累积。
运行时只依赖 NumPy；每个默认测试和示例都不联网、不调用真实模型、不下载权重。PyTorch（CPU 版）是可选扩展，仅用于演示一个小型可训练 ranker。这意味着机制研究可以在任何笔记本上复现，不必烧 API 费用。
标准 Python 虚拟环境安装：python -m venv .venv 后 pip install -e ".[dev]"（开发环境含 hatchling/pytest/ruff/mypy）；需要可选 ranker 时加 ".[dev,torch]" 并指定 PyTorch CPU 源。快速体验一条命令：.venv/bin/hypoarena demo --chains 2 --chain-length 2 --out /tmp/hya