摘要： 用于科学发现的 LLM 系统在构思、文献综合、实验规划和报告生成方面提供的辅助日益增多，但它们提出的第一个研究问题可能仍然难以审计：该问题可能听起来合理，却未揭示科学家应审查的机制、证伪条件或假设。我们提出了 FirstResearch，这是一个面向科学 LLM 智能体的、基于第一性原理的研究问题生成框架，其核心产物是结构化的研究问题证书。该证书记录了原始定义、假设、机制模型、张力或矛盾、可证伪的假设、最小决定性测试以及失败更新规则，使得所提出的问题在下游执行之前即可被审查。在十个 LLM 智能体研究主题上，在主要的 DeepSeek 盲审协议下，FirstResearch 优于受 AI co-scientist、Agent Laboratory 和 AI Scientist-v2 启发的受控提示层级基线。Gemini-2.5-Flash 独立评审员对同一 40 个基线包进行的重新评分保留了系统级排名，FirstResearch 得分为 4.86/5，而最强基线得分为 4.38/5，平均分数的 Pearson 一致性为 0.865。一次重复的消融实验进一步表明，以证书为中心的核心是最强的组成部分：在 DeepSeek 下仅证书的得分为 4.90/5，在 Gemini 下为 4.88/5，而移除证书后，在两个评审员下的得分均低于 1/5。这些结果是初步的，并且使用了 LLM 评审员而非人类领域专家，但它们支持一个狭窄的科学发现主张：显式推导约束是使 LLM 生成的科学问题更易于审计的一种有前景的机制。代码、提示词、保存的输出和复现脚本可从此 https URL 获取。