Bohrium 发布 Science Navigator：重塑经济研究证据链与因果推断工作流
在经济分析领域，模型系数产生的错误往往早于数据本身的问题。错误的数据 vintage（版本）可能将明日信息泄露至昨日预测，而看似合理的回归分析可能回答了错误的 estimand（估计量）。针对这一挑战，Bohrium 于 2026 年 8 月推出了 Science Navigator，一款专为经济学研究打造的 AI 工具，旨在解决通用大模型在严谨学术研究中“不可验证”的核心痛点。
核心突破：从“生成答案”到“验证证据”
Bohrium 强调，优秀的经济学 AI 工具不应仅能提供文本生成，而应基于其产生的证据（Evidence）。Science Navigator 的核心逻辑在于将经济研究问题转化为可验证的结构化证据链，而非简单的问答。
1. 多约束科学导航 (Multi-constraint Research)
经济研究通常包含多重约束条件：国家、时期、人口、政策、识别策略、数据集及发表日期。Science Navigator 利用其 AI Mentor 模式，能够自动将复杂的经济学问题拆解为子任务，并执行以下操作：
- 精准文献检索：在海量文献中筛选符合特定设计（如双重差分、合成控制法、断点回归）的研究。
- 结构化证据合成：生成包含引用、元数据及结论的结构化报告。
- 证据溯源：强制要求打开每一篇被引用的论文，人工或半自动验证其政策时间、劳动力市场群体、地理范围及识别假设是否与声称的结论匹配。
2. 拒绝“平均化”的结论
传统 AI 往往对多篇文献进行平均化处理，给出一个模糊的 verdict。Science Navigator 则致力于生成证据表（Evidence Table），而非平均化的判决。它明确区分不同研究的设计差异，例如：
“关于青少年就业的研究可能无法回答关于所有低薪工人的问题；短期估计结果不能支持长期预测。”
这种机制确保了研究结论的严谨性，防止将特定情境下的发现错误地推广至更广泛的群体。
经济学 AI 工具生态图谱
Bohrium 在发布 Science Navigator 的同时，也梳理了当前经济学 AI 工具生态的 10 大核心工具，明确了各工具在“证据生产”中的定位：
| 工具名称 | 最佳适用场景 | 核心输入 → 输出 | 验证与访问门槛 |
|---|---|---|---|
| Bohrium | 经济文献发现与证据比较 | 多约束研究问题 → 研究计划、论文、结构化合成 | 开放平台；需人工核对设计、人口、时期、方法及结论来源匹配度 |
| OpenEcon Data | 自然语言发现经济数据库 | 经济问题 → 来源系列、图表、导出链接 | 公共工具；需确认提供商、系列 ID、单位、季节调整及地理范围 |
| EconML | 异质性处理效应与因果机器学习 | 处理变量、结果变量、协变量 → 条件或平均效应估计 | 开源 Python 工具包；需论证识别、重叠区域、 nuisance 模型及不确定性 |
| PyWhy | 端到端因果建模与反驳 | 因果图、假设、数据、估计量 → 识别估计与诊断工作流 | 开源生态；挑战图结构、假设、估计量及稳健性测试 |
| StatsPAI | 面向 Python 的应用计量经济学 | 数据与模型请求 → 计量结果及结构化输出 | 开源包；检查估计器、默认值、样本、协方差及诊断 |
| Oxford Economics AskOE AI | 授权经济情报、预测与情景分析 | 自然语言问题 → 基于订阅数据的回答 | 商业订阅；区分已发布预测、模型情景及分析师解读 |
| Displayr | 经济调查、政策文本与定性编码 | 开放式文本 → 主题、实体、情感、表格及报告 | 商业/无代码平台；验证语料库、代码本、类别漂移及人类一致性 |
| FRED2Vis | 对话式 FRED 可视化 | 宏观经济问题 → 候选 FRED 系列及可视化 | 研究原型；重新打开系列以验证变换、发布时间及修订 |
| Kastalia Econ Tutor | 交互式微观与宏观经济学学习 | 主题、图表或问题 → 引导解释、模拟或解题步骤 | 公共学习应用；验证方程、图表移动、假设及课程惯例 |
| Econstellar | 可复现计算金融计量经济学 | 市场数据与方法请求 → 可复现分析 | 开源研究引擎；检查数据、回报构建、非平稳性处理及评估范围 |
实际应用价值
对于开发者与研究人员而言，Science Navigator 的价值在于它填补了“上游解释”与“下游代码”之间的空白：
- 降低认知负荷：AI 负责将模糊的经济直觉转化为具体的文献检索策略和证据筛选标准，研究者只需专注于验证假设的合理性。
- 可复现性增强：通过强制要求展示数据来源、识别策略和具体估计量，Science Navigator 使得研究过程更加透明，便于同行复现与批判。
- 避免“黑箱”误导：不同于通用 Chatbot 可能生成的幻觉内容，Bohrium 的工具链强调“Trace Economic Claims Back to Their Evidence”，确保每一个结论都能追溯到具体的实证依据。
正如 Bohrium 团队所愿景的那样，未来的经济分析不应止步于模型系数的产生，而应始于对证据链的严格审视。Science Navigator 正是这一理念的技术落地，它将 AI 从“答案生成器”转变为“证据导航员”，为严谨的经济学研究提供了新的基础设施。
