让AI去读没发表的数据：三层流程在CPEB蛋白里挖出四个盲区，生成一条可检验的睡眠遗忘假说
面向科学发现的AI通常只从已发表的阳性结果中学习，因而系统性地看不见失败与被压制的方向。一套三层操作流程把这一缺口拆成可执行的步骤：先在建好的知识图谱上为理论上可能却无文献记录的关系计算缺失惊讶分，再让对抗分类器从未发表、被拒或未达终点的数据中找出被系统性压制的特征，最后用反归纳损失生成偏离共识但通过可行性过滤的假说。在CPEB3/CPEB4神经生物学案例中，流程标出四个结构盲区，并给出一条关于星形胶质细胞睡眠期翻译与主动遗忘的可检验假说。