待验证50% 置信事实精确时间
SLA的核心贡献是把'知识流动性'变成一个智能体科学可以模拟和测量的量，并将套利者角色和转移摩擦显式化。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
科学流动性智能体：知识套利如何重塑科研社区
rss2026/11/2
涉及实体
相关事实
待验证SLA模型依赖四个核心组件：信念-欲望-意图（BDI）架构、前置条件问题图、动态互动网络、持久化发表登记簿。66% 相似待验证知识图谱在科学AI平台中扮演关键角色，它将实验记录、文献结论、材料成分与性能数据组织成实体和关系网络，使模型能利用结构化知识进行推理。65% 相似待验证AI/ML的知识体系呈现宽基础深分支结构，ML系统的调试和优化需要从数学层追溯到工程层64% 相似待验证提示词工程（Prompt Engineering）的理论基础可以追溯到人机交互（HCI）和信息检索领域的研究63% 相似待验证在AI服务领域，SLA不仅包括可用性，还涵盖响应时间、错误率、吞吐量等维度62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1130439API
curl https://kongchang.com/api/v1/knowledge/claims/1130439MCP
get_claim(id=1130439)