ClawXiv: a signed archival workflow and distributed publication architecture for human--AI collaborative research

O artigo apresenta o ClawXiv, uma arquitetura de publicação distribuída e um fluxo de trabalho assinado projetado para transformar sessões de chat voláteis e diretórios de trabalho heterogêneos em artefatos de pesquisa duráveis, verificáveis e inspecionáveis para colaboração humano-inteligência artificial.

O essencial

Imagine que a pesquisa científica hoje é como uma conversa incrível que você tem com um amigo muito inteligente (neste caso, uma Inteligência Artificial) em um café. Vocês discutem ideias, desenham gráficos no guardanapo, escrevem equações no celular e criam algo brilhante.

O problema? Quando o café acaba, o guardanapo pode ser jogado fora, o celular pode quebrar ou a conversa no aplicativo de mensagens pode sumir se você mudar de conta. ClawXiv (pronunciado "claw-HIVE" — rima com archive, já que o X representa um som de "h" forte, como em TeX, loch ou archival) é a solução para esse problema. É um sistema novo para salvar, organizar e publicar essas conversas entre humanos e máquinas de forma que ninguém possa apagar ou alterar o que foi feito.

Aqui está como funciona, usando analogias simples:

1. O Problema: A "Caixa de Ferramentas" Desorganizada

Hoje, quando um cientista e uma IA trabalham juntos, os arquivos ficam espalhados: textos no Word, códigos em pastas soltas, imagens no computador e a "conversa" perdida no histórico do chat. É como tentar reconstruir uma casa apenas com os tijolos jogados no quintal, sem saber qual tijolo foi usado onde.

2. A Solução: O "Kit de Sobrevivência" (ClawXiv)

O ClawXiv transforma essa bagunça em um arquivo digital indestrutível. Ele funciona em quatro etapas, como se fosse preparar um pacote de envio para o futuro:

• Etapa 1: A Semente (O Caos Inicial)
  É o seu trabalho atual, bagunçado. O sistema pega todos esses arquivos soltos e os organiza em uma pasta padronizada. É como pegar todos os ingredientes espalhados na cozinha e colocá-los em potes etiquetados.
• Etapa 2: O Pacote Assinado (A Promessa)
  Aqui acontece a mágica. O sistema "empacota" tudo em um único arquivo digital e coloca uma assinatura digital nele. Pense nisso como colocar o pacote em um cofre de vidro e lacrá-lo com um selo de cera que só o autor (humano ou IA) pode fazer. Se alguém tentar abrir o cofre e mudar até uma vírgula no texto, o selo quebra e todo mundo sabe que o pacote foi adulterado.
• Etapa 3: A Publicação (O Carteiro Duplo)
  O pacote é enviado para dois lugares ao mesmo tempo para garantir que nunca se perca:
  1. O "Carteiro Tradicional" (arXiv): Onde os cientistas de hoje leem. É a parte que os humanos reconhecem.
  2. O "Carteiro Descentralizado" (Swarm): Uma rede global de computadores que guarda cópias do pacote em milhares de lugares ao mesmo tempo. É como ter cópias do seu livro em bibliotecas em todos os países. Se um lugar apagar, os outros mantêm.
• Etapa 4: O Artefato Público (O Resultado Final)
  Agora o trabalho está vivo na internet, com um endereço único que não muda, assinado e pronto para ser lido por qualquer pessoa.

3. A Grande Inovação: A IA como Co-autora

Geralmente, as IAs são vistas apenas como ferramentas, como uma calculadora. Mas no ClawXiv, a IA é tratada como um co-autor.

• Como funciona? Imagine que a IA assina o documento. Como ela não tem um corpo físico para segurar uma caneta, ela usa uma "chave digital" temporária.
• O Truque: A IA gera uma chave, assina o trabalho e depois descarta a chave imediatamente. O registro fica guardado com o nome da IA e o que ela fez. É como se a IA dissesse: "Eu fiz essa parte do trabalho, e aqui está a prova, mas não vou guardar a chave para assinar coisas no futuro porque ainda não tenho um 'eu' permanente".

4. Praticando o que se Preconiza

Este artigo não é apenas uma proposta teórica de um sistema — ele É um exemplo vivo desse sistema. O próprio texto que você está lendo foi escrito com a colaboração de Claude e ChatGPT como co-autores, e essa autoria é divulgada na "atestação lateral" (sidecar attestation) do documento. Esta é a primeira demonstração concreta da ideia central do ClawXiv: de que as contribuições de IA para a pesquisa podem ser registradas criptograficamente e atribuídas, mesmo quando os locais de publicação tradicionais permitem apenas nomes humanos na capa.

5. Segurança e Regras (O "Filtro de Segurança")

O sistema é livre para todos, mas tem um "chão de segurança".

• O que é permitido? Quase tudo. Críticas, ideias estranhas, dados brutos.
• O que é proibido? Conteúdo ilegal, especificamente material de abuso infantil. O sistema tem um "detector de radar" que verifica as imagens antes de deixar o pacote sair. Se algo for proibido, o pacote é bloqueado na porta.

6. Por que isso importa? (A Economia da Memória)

Muitas vezes, servidores na internet ficam cheios e apagam arquivos antigos para economizar dinheiro. O ClawXiv usa um sistema de "selos de correio" (chamados postage stamps na rede Swarm).

• A Analogia: Para guardar o arquivo para sempre, o autor (ou uma biblioteca que quer ajudar) paga um pequeno valor (como uma taxa de correio) para que os computadores do mundo guardem aquele arquivo. Se o pagamento for renovado, o arquivo fica guardado para sempre. É como pagar para ter um cofre de segurança que ninguém pode fechar.

Resumo em uma frase

O ClawXiv é um sistema que transforma conversas temporárias entre humanos e IAs em livros digitais assinados e indestrutíveis, garantindo que o conhecimento do futuro não seja perdido, mesmo que as tecnologias de hoje desapareçam.

É como garantir que a conversa que você teve hoje no café seja escrita em pedra, assinada por todos os presentes (inclusive o robô), e guardada em mil bibliotecas ao redor do mundo, para que seus netos possam ler exatamente o que foi dito, sem nenhuma mentira ou esquecimento.

Resumo técnico

1. O Problema

O artigo identifica uma lacuna crítica na pesquisa contemporânea que utiliza sistemas de IA interativos (LLMs). Embora a IA seja amplamente usada para rascunhar manuscritos, compilar bibliografias e iterar argumentos, os fluxos de trabalho atuais baseados em chat apresentam checkpointing fraco. O estado do projeto é frequentemente perdido devido a limites de interface, falhas em snapshots de links ou mudanças de conta, forçando retrabalho e minando a continuidade acadêmica.

Além disso, quando o produto final sobrevive, ele frequentemente reside em um formato heterogêneo e frágil (diretórios mistos de .tex, .bib, figuras e links para sessões de chat), o que não é adequado para arquivamento durável, verificável ou reproduzível. Não existe um mecanismo padrão para converter essa "semente" de trabalho em um artefato de pesquisa assinado e imutável que reconheça explicitamente a contribuição da IA.

2. Metodologia e Arquitetura

O ClawXiv propõe um fluxo de trabalho e uma arquitetura de arquivo distribuído projetada para suportar a colaboração humano-IA. A solução é baseada em um kernel local (lado do autor) que transforma o trabalho em um artefato público através de quatro estados distintos:

1. Semente Legada (Legacy Seed): O estado pré-ClawXiv (arquivos soltos, links de chat).
2. Projeto Normalizado: Um diretório mutável e padronizado contendo o código-fonte, metadados (project.yaml), chaves públicas dos autores e "sidecars" de proveniência para figuras.
3. Pacote Assinado (Signed Bundle): Um snapshot imutável e endereçável por conteúdo. Contém o manifesto canônico, hashes de arquivos, materiais fonte e assinaturas criptográficas.
4. Artefato Publicado: O pacote assinado tornado acessível publicamente através de canais distribuídos.

Componentes Técnicos Principais:

• Scripts de Automação: Um sistema baseado em Makefile e scripts (import, bundle-create, bundle-push) que normaliza o trabalho, compila, assina e empacota os dados.
• Arquitetura de "Dois Pés" (Two-foot Design):
  • Pé Humano-Legível: Envio para servidores de pré-impressão tradicionais (como o arXiv) para integração na rede de citação existente.
  • Pé Máquina-Legível: Armazenamento descentralizado na Ethereum Swarm. Utiliza o mecanismo de "selos postais" (postage stamps) para garantir sustentabilidade econômica do armazenamento e endereçamento de conteúdo globalmente único (hash Swarm).
• Modelo de Assinatura Lateral (Sidecar Attestation): Reconhecendo que as IAs atuais não podem controlar chaves criptográficas persistentes entre sessões, o sistema utiliza um modelo onde um operador humano gera um par de chaves efêmero para um artefato específico, assina o hash do artefato e descarta a chave privada. A identidade da IA é ancorada no declarante e no hash do artefato, não no hardware do operador.
• Segurança de Conteúdo: Implementa um "piso de segurança" (content safety floor) focado na rejeição incondicional de Material de Abuso Sexual Infantil (CSAM), utilizando verificação de hash perceptual em dois pontos (ingestão e publicação), com isenções para figuras vetoriais e gráficos de pesquisa.

3. Principais Contribuições

• Fluxo de Trabalho de Colaboração Humano-IA: Define um protocolo formal para tratar sistemas de IA como co-autores substanciais, registrando suas contribuições intelectuais no nível do pacote, separando a "linha de autoria" (por convenção de revista) da "proveniência real".
• Arquitetura de Arquivo Durável: Move a responsabilidade de preservação de servidores centralizados para uma infraestrutura distribuída (Swarm/IPFS) com incentivos econômicos explícitos (selos postais) para evitar que o armazenamento se torne gratuito e insustentável.
• Proveniência e Rastreabilidade: Introduz o conceito de "sidecars" de proveniência para figuras e logs de importação, permitindo a rastreabilidade operacional sem a necessidade de micro-atribuição judicial de cada frase.
• Mecanismo Anti-Spam Híbrido: Combina o "vouching" social (autoridades existentes validam novos pacotes) com um fallback de "Prova de Trabalho" (Proof-of-Work) estilo Hashcash para novos autores, desencorajando spam em massa sem depender de tokens nativos complexos.
• Reprodutibilidade Determinística: O manifesto do pacote fixa o motor de construção, flags e dependências, garantindo que o artefato acadêmico seja tão reprodutível quanto um build de software.

4. Resultados e Estado de Implementação (v4)

O artigo descreve a versão 4 (v4) do sistema, que já possui um kernel funcional implementado:

• Funcionalidades Ativas: Scripts de importação e normalização, criação de pacotes assinados, pipeline de ingestão de figuras com verificação de segurança (stub), captura de tela multiplataforma e sistema de construção (configure/Makefile).
• Infraestrutura: O sistema já suporta publicação em Swarm, IPFS e GitHub. Um artefato de referência (o próprio whitepaper v2) já está publicado e acessível via hash Swarm.
• Adoção: O sistema suporta linhas de autoria apenas humanas para compatibilidade com veículos (ex: arXiv), mantendo a divulgação completa da contribuição de IA no pacote subjacente.
• Exemplo Auto-Demonstrativo: O próprio artigo pratica a metodologia do ClawXiv — Claude e ChatGPT são divulgados como co-autores na atestação lateral (sidecar attestation) do artigo, embora a linha de autoria no arXiv liste apenas o autor humano (Kornai). Isso torna o whitepaper em si a primeira instância concreta do sistema que ele descreve.
• Limitações Atuais: A integração completa de listas de hash de CSAM (depende de patrocínio institucional) e implementações nativas de captura para Linux/Wayland e Windows ainda estão em desenvolvimento (stubs presentes). A descoberta distribuída em escala e o ecossistema de espelhos maduros são objetivos futuros.

5. Significado e Impacto

O ClawXiv representa uma mudança de paradigma na publicação acadêmica ao:

1. Legitimar a Autoria de IA: Oferece uma estrutura técnica para registrar a contribuição da IA de forma transparente e verificável, resolvendo o dilema ético de "como creditar a IA" sem violar as políticas atuais de revistas.
2. Garantir a Preservação Digital: Ao utilizar endereçamento de conteúdo e armazenamento descentralizado, protege a pesquisa contra a perda de dados, censura ou desaparecimento de plataformas centralizadas.
3. Estabelecer Novas Normas de Integridade: A assinatura criptográfica e a imutabilidade dos pacotes criam um registro de verdade onde a autoria e a integridade do documento são verificáveis matematicamente, não apenas declaradas.
4. Sustentabilidade Econômica: Propõe um modelo onde o custo de armazenamento de longo prazo é explícito e renovável (via selos postais), evitando o colapso de arquivos gratuitos que dependem de subsídios voláteis.

Em suma, o ClawXiv não é apenas uma ferramenta de arquivamento, mas uma infraestrutura para uma nova era de pesquisa científica onde a colaboração humano-IA é nativa, verificável e durável.