O Google Research anunciou o framework Science One em 30 de julho de 2026, cujo núcleo é um mecanismo chamado "Chain-of-Evidence" (CoE), que exige que cada conclusão feita pela IA em pesquisa científica seja vinculada a fontes, código e registros experimentais.

Autor do artigo, fonte: 0x9999in1, ME News



TL;DR

• O Google Research anunciou o framework Science One em 30 de julho de 2026, cujo núcleo é um mecanismo chamado "Chain-of-Evidence" (CoE), que exige que cada conclusão feita pela IA em pesquisa científica seja vinculada a fontes, código e registros experimentais.
• Os antigos problemas dos sistemas atuais de pesquisa em IA são graves: fabricação de citações, pontuações irrealizáveis e descrições de métodos que não correspondem ao código. A taxa de citações alucinatórias nos sistemas de referência chega a 21%, e a reprodutibilidade das pontuações cai a apenas 42%.
• Os resultados do Science One são: zero citações fictícias, todas as pontuações verificadas corretamente e a maior taxa de consistência entre método e código. Segundo divulgado, todas as 337 citações geradas são reais, todos os 12 experimentos reprodutíveis foram confirmados e 14 das 15 artigos estão alinhados com o código.
• O design principal é "gerar enquanto evidencia", e não "escrever primeiro e depois adicionar referências". As referências não vêm da memória do modelo, mas da busca real pela API do Semantic Scholar.
• Julgamento mais importante: Science One não sacrificou a competência em nome da "honestidade". Obteve 2 ouros e 2 pratas no MLE-Bench e alcançou o melhor resultado atual no Parameter-Golf.
• O verdadeiro significado disso não está em mais um AI escrevendo um artigo, mas em ele pela primeira vez tratar a "verificabilidade" como a base da arquitetura, e não como um conserto posterior.

Primeiro, uma pergunta dolorosa: você acredita em artigos escritos por IA?

Nestes dois anos, os sistemas de pesquisa em IA progrediram assustadoramente.

Ele pode ler literatura. Pode formular hipóteses. Pode executar experimentos. Pode escrever inteiramente um artigo acadêmico com estrutura completa e tom profissional. Você dá uma olhada e não consegue encontrar falhas.

Mas a questão está escondida nesse "olhar rápido".

Dar uma olhada rápida não é problema, e se você investigar mais a fundo?

A pesquisa do Google se dedica exatamente a investigar a fundo esse assunto. Eles pegaram cinco sistemas principais de pesquisa autônoma, geraram um total de 75 artigos em cinco tarefas de otimização de sistema e questionaram cada um: a referência que você citou realmente existe? A pontuação que você relatou ainda é válida ao reexecutar o código? Você afirma ter usado um determinado algoritmo — o código realmente implementa isso?

O resultado não ficou bom.

Cada sistema de referência cometeu pelo menos um erro sistemático. A taxa de ilusões de citação chegou a 21% — ou seja, uma em cada cinco citações pode apontar para um artigo que não existe. A taxa de aprovação na verificação de pontuações foi tão baixa quanto 42%. A consistência entre métodos e código variou entre 20% e 80%.

Pense bem nisso: 42%. Mais da metade dos artigos científicos apresentam resultados que não podem ser reproduzidos ao reexecutar o código.

This is not a small bug. This is a collapse of trust.

Porque a essência da pesquisa científica é a "reprodutibilidade" e a "rastreabilidade". O valor de um artigo não está em quão fluida é sua leitura, mas em se outros conseguem seguir, passo a passo, suas referências, seu código e seus dados, para confirmar que ele não está mentindo. A IA elevou a "qualidade superficial" dos artigos, mas removeu o pilar mais fundamental.

Quanto mais brilhante a superfície, mais ocultos são os problemas. Esse é o lugar mais perigoso.

A resposta do Google: não por confiança, mas por cadeia

A ideia da Science One, por assim dizer, é muito simples.

Como não se pode confiar na IA para ser honesta por conta própria, não espere que ela seja. Coloque correntes nela.

Esta corrente é a "cadeia de evidências" (Chain-of-Evidence).

O Google encontrou uma analogia muito precisa: no domínio de bancos de dados, existe um conceito chamado ACID, que não importa como você constrói o banco de dados, mas apenas define quais propriedades uma transação deve atender para ser "confiável". A cadeia de evidência é a mesma. Ela não especifica como você constrói um agente científico, mas apenas define: cada coisa que você produzir, se quiser ser confiável, deve atender a quê.

Um princípio, duas metades.

A primeira metade é integridade: cada afirmação no artigo — seja uma citação, um número, uma descrição de método ou uma conclusão — deve estar ligada a uma cadeia de evidência documentada.

A segunda metade é a correção: essa cadeia precisa realmente sustentar a frase que está pendurada.

Em linguagem simples: cada frase que você diz precisa ter uma fonte; e essa fonte precisa realmente comprovar sua afirmação.

Como colocar em prática? A chave está no momento.

Como o sistema atual funciona? Primeiro, escreve-se extensivamente o artigo, e só depois se voltam atrás para adicionar citações e evidências. É como criar uma história primeiro e depois procurar evidências para justificá-la. Nas partes que não conseguem ser justificadas, apenas se inventa. É assim que surgem as citações ilusórias.

Science One ao contrário. No "momento em que gera esta frase", já constrói simultaneamente a cadeia de evidências. A declaração e a evidência nascem juntas, não são costuradas posteriormente.

A troca dessa ordem é a alma de todo o processo.

Veja separadamente: três módulos, cada um responsável por uma mentira

A arquitetura da Science One é dividida em três partes, cada uma delas precisamente impedindo um tipo possível de fraude.

Primeiro bloco, investigador de problemas, responsável por falsificações de referência.

Ele não depende da "memória" do modelo para citar referências. A memória do modelo é um terreno fértil para ilusões — ele pode "lembrar" de um artigo que na verdade não existe. O Science One se conecta diretamente à API do Semantic Scholar para construir um mapa de citações real, lendo até 100 PDFs completos por tópico e gerando um resumo de pesquisa estruturado. Cada citação no artigo final provém dessa busca real pela API, eliminando completamente a dependência da memória do modelo.

As citações não são "imaginadas", são "pesquisadas". Com este corte, a raiz das citações ilusórias foi cortada.

Segundo bloco, motor de detecção, responsável por fraudes em registros experimentais.

Ele utiliza uma estratégia paralela de "exploração–exploração", testando soluções simultaneamente em múltiplas ramificações. Em cada rodada, um Solver implementa uma solução e um avaliador especializado atribui uma pontuação. As ramificações com melhor desempenho são refinadas repetidamente, enquanto todas as saídas de avaliação originais são registradas em um registro estrito e somente leitura.

Somente leitura. Essas duas palavras são importantes. Uma vez registrada, a nota original não pode ser alterada. Quer relatar uma nota melhor para seu artigo posteriormente? Infelizmente, o livro-razão está aqui — não é possível alterar.

Terceiro bloco: redator de artigos e verificador de declarações, responsável por garantir que o método e o código estejam alinhados.

Antes de renderizar realmente o artigo, ele estrutura cada afirmação factual, marcando cada frase com um rótulo de evidência embutido, vinculado a um produto específico no espaço de trabalho. Em seguida, um verificador especializado compara cada afirmação com a fonte alegada.

O que fazer se não corresponder? Aqui há um detalhe particularmente sutil. Não é simplesmente eliminado de forma bruta, mas sim "recuado" — expressar-se de forma mais conservadora, fazendo com que retorne ao intervalo que as evidências podem sustentar. Até onde as evidências conseguem sustentar, aí é onde a afirmação deve chegar.

Sem exagerar, e também evitando desperdícios. Esse senso de equilíbrio é mais sofisticado do que uma abordagem única.

Transcript: The cost of honesty, are you getting dumber?

Até aqui, uma questionagem aguda deveria surgir.

Dar tantas correntes à IA, fazendo-a tremer a cada frase em busca de evidências, ela não deixará de ousar explorar? Será que, em nome da “honestidade”, estamos sacrificando a “competência”?

Essa preocupação é muito válida. É também a clássica contradição entre "segurança" e "capacidade".

A resposta da Science One é: não.

Primeiro, observe a coluna da honestidade. Sob o mesmo conjunto de protocolos de auditoria — que o Google chama de CoE Audit, um verificador automático tipo forense que revalida cada citação em tempo real contra bancos de dados acadêmicos — a Science One liderou em todas as quatro verificações de integridade. Suas citações não apresentam ilusões; cada uma aponta para um artigo real e acessível; a verificação de pontuações foi perfeita; e a consistência entre métodos e código foi a mais alta. De acordo com os dados divulgados, todas as 337 citações geradas por ela são reais, os resultados dos 12 experimentos reprodutíveis correspondem perfeitamente e, em 14 dos 15 artigos, o código corresponde ao real.

Compare com os nomes impressionantes na base, como “solucionadores neurais simbólicos híbridos” — soam impressionantes, mas ao abrir o código, é apenas uma regra heurística determinística simples. Os nomes são para as pessoas; o código é a verdade.

Veja novamente a coluna de capacidade.

Na base de cinco tarefas do ADRS, o Science One empatou ou superou o nível de especialistas humanos, obtendo os melhores resultados de todos os sistemas em duas delas (Cloudcast e EPLB).

Fora desse círculo, ele enfrentou tarefas externas ainda mais desafiadoras. Nas cinco competições rigorosas do MLE-Bench, abrangendo imagens médicas, reconhecimento de细粒度 e percepção 3D, ele conquistou duas medalhas de ouro e duas de prata — na competição de detecção de objetos 3D, outros sistemas foram completamente superados, enquanto ele obteve uma pontuação de nível campeão. No concurso Parameter-Golf, onde os recursos de hardware e o tamanho do arquivo são estritamente limitados para treinamento em tempo real de LLMs, outros sistemas nem conseguiram enviar uma submissão válida; ele não apenas respeitou todas as restrições, como também alcançou o melhor resultado até 27 de abril de 2026. E isso foi feito por meio da descoberta de técnicas algorítmicas verdadeiramente inovadoras, não apenas ajustando hiperparâmetros aleatoriamente.

Então a resposta é clara: honestidade, sem torná-lo tolo.

Essa é exatamente a parte que mais valorizo. Se o Science One fosse limpo apenas por ser restritivo, não teria valor — ninguém usaria uma ferramenta de pesquisa ao mesmo tempo lenta e honesta. Mas ele demonstrou que verificabilidade e alto desempenho podem coexistir. Isso transforma a ideia de "tratar a honestidade como uma restrição rígida" de uma iniciativa moral em uma escolha economicamente viável na engenharia.

Minha avaliação: é importante, mas não se apresse em mitificá-lo

After saying so many nice things, it's time to pour two buckets of cold water.

Primeiro ponto: O próprio Google deixou claro no final do texto que o Science One é um protótipo de pesquisa experimental, não uma ferramenta pronta para produção.

Isso não é modéstia, é limite. As cinco tarefas que ele executa pertencem a domínios como otimização de sistemas — áreas com "avaliadores claros e pontuação automática". Em outras palavras, o bom e o ruim podem ser julgados objetivamente por máquinas. Mas e a pesquisa científica de ponta verdadeira? Muitas hipóteses e muitas conclusões não têm, por enquanto, nenhum avaliador capaz de atribuir-lhes uma nota. A cadeia de evidências pode impedir "citações fabricadas", mas não impede "escolher um problema medíocre". Ela garante honestidade, mas não garante gosto.

Segundo ponto: a própria cadeia de evidências também tem custo. Ler 100 PDFs por tema, construir evidências para cada frase, vincular rótulos e verificar novamente — esse processo não é barato. Enquanto busca a verdade, consome poder de processamento e tempo. Quando escalado, ainda não há resposta sobre como calcular esse custo.

Mas depois de derramar essas duas bacias de água, ainda acho que isso é algo subestimado.

Why?

Porque mudou a forma da pergunta.

Nos últimos dois anos, todos perguntavam: o AI pode fazer pesquisa científica? Até onde ele pode chegar? Todos competiam em capacidade de resolver problemas e pontuações em rankings. A pergunta levantada pelo Science One é de outra dimensão: a pesquisa feita por IA pode ser confiável?

Essas duas questões não estão na mesma categoria.

Quanto mais sistemas conseguem produzir soluções elegantes, menos a capacidade de resolver problemas serve como diferencial. Nesse momento, o que realmente os distingue é se suas saídas podem ser confiáveis. O Google elevou a "verificabilidade" à condição de "cidadão de primeira classe", afirmando que ela deve ser uma restrição arquitetônica, e não uma correção posterior — essa avaliação, acredito, está correta e chegou na hora certa.

Porque a confiança leva muito tempo para ser construída e desmorona rapidamente. Se a pesquisa em IA, desde cedo, esgotar a confiança de toda a comunidade acadêmica com uma série de artigos que parecem brilhantes, mas na realidade estão cheios de falhas, depois será impossível recuperá-la sem um custo insuportável. O que o Science One está fazendo é reforçar as armaduras da fundação antes que a confiança venha a desmoronar.

Epílogo

Volte à pergunta inicial: Você acredita que um AI escreveu esse artigo?

Antes do Science One, a resposta honesta é — não muito confiante. Quanto melhor escrito for, mais atenção você deve prestar.

Science One não tornou a IA mais inteligente. O que ela fez foi outra coisa, mais simples, mas também mais difícil: fez com que a IA aprendesse a deixar evidências verificáveis para cada frase que diz.

Já há inteligência artificial suficiente.

A IA que assume responsabilidade por si mesma acabou de começar.

Este passo é pequeno, é um protótipo, e ainda há muitos problemas não resolvidos. Mas a direção está correta. Às vezes, o verdadeiro peso de uma coisa não está em quão rápido ela pode correr agora, mas em onde ela estabeleceu a medida.

Science One moveu a métrica de "escrever como se fosse" para "resistir à verificação".

Este movimento vale a pena.

Referências

1. Google Research Blog. "Science One Framework: A verifiable autonomous research framework via Chain-of-Evidence", 30 de julho de 2026.
2. Pesquisa em IA do Google Cloud. arXiv:2605.26340 Artigo “Science One Framework / Chain-of-Evidence”.
3. AlphaSignal. 《O Framework Science One do Google Resolve a Crise de Citações Falsas na Pesquisa de IA》, julho de 2026.
4. Zhiding.com. "O Framework Science One: Um Sistema de Pesquisa Autônoma Verificável Baseado em Cadeias de Evidências", 31 de julho de 2026.
5. Sakana AI. arXiv:2504.08066《The AI Scientist v2》(comparação com a linha de base).
6. OpenAI. Projeto GitHub "Parameter-Golf" benchmark.
7. arXiv:2410.07095 Artigo de referência do MLE-Bench.
8. Benchmark do arXiv:2510.06189 “Automated Design of Research Systems (ADRS)”.