📄 论文
读到一篇新论文可能会改变一个研究想法的走向。研究者可能发现有人已经完成了他们拟提出的贡献，或者发现论文中一个尚未解决的问题，从而启发出新的研究方向。
我们把这个过程称为 由文学引发的转型：一种由阅读先前工作引发的研究方向的转变。它连接了研究人员通常必须分开处理的两个活动：发展一个想法，以及决定用哪些文献来衡量它。
我们与宾夕法尼亚大学的合作者共同开发了 LitPivot，一个帮助研究人员应对这些转向的系统。通过以下检索到的论文 Asta Paper Finder, LitPivot 围绕提案中正在编辑的部分组织文献,提供由所选研究摘录支持的评论,并给出修改建议,研究人员可以接受、编辑或拒绝这些建议。LitPivot 旨在用于早期研究构思,但这一想法有可能扩展到更长的写作任务(即撰写论文的引言部分)。
在一项有17名研究人员参与的研究中,领域专家认为使用 LitPivot 开发的研究想法比使用文本编辑器和 AI 聊天工具开发的想法更有文献依据。参与者还认为他们修改后的研究想法更具新颖性和实用性,并对相关文献有更深入的理解。
LitPivot 将在底特律举行的 UIST 2026 上发表。阅读论文 此处.
为什么转向很困难
研究想法是通过与文献互动而演进的。在分析四个已完成的计算机科学研究项目的会议记录时,我们在所有四个项目中识别出21次由文献引发的转向。这些转向分为两类:将一个想法与现有工作区分开来以确立其新颖性,以及将一个想法与现有工作对齐以便在其基础上构建。这个项目本身在我们确定其贡献之前经历了两次转向。
这些变化可能难以应对。在一项形成性研究中,五名研究人员使用文本编辑器和标准搜索工具撰写提案。他们难以在批判性地依据文献评估想法的同时发展自己的想法。当一篇论文挑战一个想法的新颖性时,他们希望得到如何修改它的具体建议,并由先前的工作支持。这些发现塑造了 LitPivot 的评估方式,将文献支持的评论与针对所选想法部分的具体修改建议相结合。
LitPivot 的工作原理
在 LitPivot 中,研究人员首先在编辑器中撰写一份简短的提案,并启用我们所说的 面向高亮,它将一个已表述的想法分割为不同的面向(即问题、贡献和评估)。要检查某个提案面向,研究人员点击草稿中的相应片段。相邻面板根据所选面向对相关论文进行分组(例如,当选择评估面向时,按论文使用的评估方法分组),并突出显示最相关的组。研究人员选择论文,请求评估,并在支持评论的摘录旁查看建议的修改。然后,文献会根据与修改后面向的相关性重新排序。
特别是,LitPivot 将一个研究想法分离为 问题, 、拟议贡献、以及 评估计划。每个面向都有自己的一组相关文献及其相关性排序。LitPivot 围绕正在编辑的面向对检索到的论文进行分组,让研究人员选择系统应使用哪些论文来评估草稿。
与 Prism 等科学写作环境以及 Claude Code 等智能体助手一同,LitPivot 探索了一种发展早期研究想法的新工作流程:选择文献来对其进行评估,使用该证据对其进行修改,并随着想法的变化重新考虑哪些论文是重要的。其论文分组和关联评论使这些步骤对提案的每个部分都变得明确,同时研究人员既掌控草稿,也掌控用于评估草稿的证据。
对于问题陈述,LitPivot 寻找该问题存在及其重要性的证据。要评估一个拟议贡献,它将所选论文已经解决的内容与其描述的局限和未来工作进行比较,寻找仍然存在的空白。对于评估计划,它检查拟议的测试是否解决了研究问题,以及类似的工作是如何被评估的。然后,系统会建议重写并附上支持性引文。
更改想法的一个面向可能会使另一个面向过时。LitPivot 会标记可能需要修改的段落,例如不再能充分评估修改后贡献的评估计划。研究人员可以接受、编辑或拒绝建议,并随着提案的发展请求新论文或刷新文献排序。
来自一位研究参与者的改写示例。
我们的研究结果
在我们的实验室研究中，17位研究人员每人使用LitPivot开发一个指定的想法，并使用基线工具开发另一个——基线工具包括一个文本编辑器和一个用于就所选论文提问的AI工具。两个条件使用了相同的论文集合。两位不知道所用系统的领域专家按照单一标准对所得提案进行评分：提案如何很好地利用相关文献来支持和论证该想法。使用LitPivot开发的提案获得了更高的评分。
在同一研究中，与基线工具相比，参与者还报告称使用LitPivot时对周围文献的理解更强，并且自我报告其想法的新颖性和实用性有更大提升。领域专家还审阅了参与者的想法，并评定使用LitPivot修订的想法在相关文献支撑方面显著更好。
在我们的实验室研究中，一位参与者从一个生成一致、真实的合成医疗记录的提案开始。LitPivot发现跨多次就诊的一致性是所选文献中的潜在空白。该参与者审阅了摘要，并删除了关于单次就诊记录的论文。经过又一次评估后，他们将提案缩小为检测跨多次就诊记录中的矛盾。这个例子展示了修订想法与选择用于评估它的文献如何相互启发。
在一项后续研究中，五位研究人员在30分钟的会话中在自己的进行中的项目上使用了LitPivot。参与者在多个项目阶段使用LitPivot，而不仅仅是在开始阶段。两人用它根据文献审查新想法，三人用它来完善更成熟想法的表述。一位研究者强调，看到来自不同领域的平行概念帮助他们重新表述了自己的贡献。
这些研究表明，LitPivot既能支持早期探索，也能支持对现有研究方向的完善。
支持科学发现
在Ai2，我们正在开发AI，帮助研究人员形成可检验的想法并审查其背后的证据。 Asta 通过以下方式支持这一努力： 基于已发表发现的理论生成（Theorizer）、综合，以及 基于数据的假设生成与检验（AutoDiscovery），而 HARPA 则根据新兴研究趋势生成有前景的假设。 Scideator 让研究人员将先前工作的元素重新组合成新想法，并评估 其新颖性， 而 IdeaSynth 则支持以文献为依据的反馈进行迭代完善。
我们最近的研究， Old Ideas, Novel Problems，考察了自动化新颖性评估的局限性，展示了微小的提示词变化如何改变AI评审对相同想法的判定。LitPivot通过将相关文献的选择纳入修订过程而延伸了这一研究方向。研究人员可以随着想法的发展改变用于评估提案的论文，然后利用批评意见和支持性摘录来决定如何修订。该系统将这些决策贯穿于提案的问题、贡献和评估计划之中。
我们希望LitPivot的洞见能帮助科学家在现有知识的基础上进行构建，并将早期想法转化为对其领域的新贡献。