Our thesis is that experiments from our high-throughput labs provide the data to train increasingly capable scientific AI, which, in turn, guides better experiments.
【非共识】作者提出了一个循环增强的核心理念，即高通量实验室数据训练出的AI能指导更好的实验，产生更多数据，形成正反馈循环。这一观点挑战了传统科学研究中数据收集和模型训练的分离模式，暗示了一种自我改进的科学发现系统，但未详细说明如何避免这种循环中的潜在偏见或局部最优问题。
Ornith-1.0 learns to generate both solution rollouts and the task-specific harnesses that guide those rollouts.
①非共识：传统Agentic框架依赖人类预设固定的脚手架（如ReAct），而Ornith将其视为可学习的对象与策略共同进化。这种让模型自己写编排逻辑的范式，打破了“框架设计需人工介入”的固有共识，是迈向真正自主智能体的关键一步。
Legacy platforms get worse over time : static detections degrade with changing data & behaviors. Artemis gets better : with each incident or proactive threat hunt, the system identifies new patterns.
这是一个令人惊讶的对比，揭示了Artemis与传统系统的根本区别：传统系统随时间恶化，而Artemis会不断学习和改进。这种'越用越好'的特性代表了安全系统的范式转变，可能从根本上改变企业安全运营的经济模型。