Scores Alone Do Not Prove Discovery: The Discovery Certification Protocol for Auditing AI Research Agents

DCP 把“研究 agent 发现了新方法”拆成可恢复性与反馈效应两个可执行 gate：匹配 agent 获得起始信息但看不到目标研究史，只有提供 recovery witness 才算恢复。SQLite 优化和虚拟催化剂两项审计各跑 96 个 episode，零恢复对应上界 0.0468；配对研究则得到 30 次真实反馈恢复、零中性恢复，并用无 LLM 的冻结证据验证器重现决定。