人工智能辅助研究越来越多地保存转换记录、库、包和可见的过程痕迹，但保存的过程本身并不能决定后续工作应依赖的科学对象。本文提出可执行研究对象作为累积的人工智能辅助科学的最小治理单元。可执行研究对象绑定了一个主张、一个明确的反驳者、一个回放路径、声明的输出、验证条件、权威状态和归档绑定，从而使得该主张可以被重新运行、检查，并置于可见的治理状态中。本文的介入因此并不是另一个对更好文档的呼吁，而是对科学积累相关对象的定义的转变。档案、持久记忆层、库和透明痕迹各自保存着某种有价值的东西，但它们都不能单独确定一个可重放和权威的主张单元。本文正式定义了可执行研究对象，将其与这些相邻的保存形式区分开，并主张规范性应仅通过实施附加：回放确认、验证和在治理中可见的权威转变。其机构后果是直接的。期刊、库、实验室和人工智能辅助研究系统应越来越多地围绕可重放的、已验证的、已实施的主张对象进行组织，而不只是围绕保存的过程或文件包。关键词：人工智能辅助研究；可执行研究对象；可重复性；规范性；状态充分性；以记录为先的研究；研究基础设施；可回放性；文物验证
Peter Bell（星期二）研究了这个问题。