Ai2与宾大推出LitPivot,AI辅助文献驱动研究转向

Ai2与宾大推出LitPivot,辅助文献驱动研究转向。系统提供文献支持的批评及修订建议,17名研究人员评估显示,其产出的想法比通用工具更具基础性和实用性,将于2026年UIST展出。

📄 Paper

LitPivot将文献分组并提供修订建议

新论文的发布往往能改变研究轨迹:它可能揭示已有工作解决了拟议的贡献,或指出未解决的问题从而激发新的调查方向。这一过程被称为“文献引发的转向”,即通过阅读先前工作来调整研究方向。它将研究人员通常独立管理的两项活动——开发想法与评估相关文献——紧密联系在一起。

Allen Institute for AI(Ai2)与宾夕法尼亚大学合作开发了 LitPivot,旨在帮助研究人员掌握这些转折点。该系统利用 Asta Paper Finder 获取论文,围绕正在编辑的提案部分组织文献,提供由精选研究摘录支持的批评,并建议可接受、编辑或拒绝的修订方案。LitPivot 主要面向早期研究创意,但其理念可扩展至更长的写作任务,如论文引言部分的撰写。

在一项涉及 17 名研究人员的研究中,领域专家评估显示,使用 LitPivot 开发的研究想法比使用文本编辑器和人工智能聊天工具开发的更具基础性和实用性。参与者报告称,对周围文献的理解更为深入。

LitPivot 将于 2026 年底特律 UIST 展会上展出。

为什么转向难以应对

研究想法通过与文献的接触而演变。在对四个已完成的计算机科学研究项目的会议记录分析中,共确定了 21 个由文献启动的枢纽点。这些变化分为两类:一是将想法与现有工作区分开来以确立新颖性,二是将想法与现有工作结合以建立在其基础上。项目本身在确定贡献之前经历了两次此类转折。

一项形成性研究显示,五位研究人员在使用文本编辑器和标准搜索工具开发提案时,难以同时发展想法并批判性地评估其与文献的关系。当某篇论文质疑想法的新颖性时,他们希望获得基于先前工作的支持及具体的修改建议。这些发现塑造了 LitPivot 的设计,将文献支持的批评与针对特定部分的具体修改建议相结合。

如何使用 LitPivot

在 LitPivot 中,研究人员首先在编辑器中撰写简短提案。为检查提案的某一方面,点击草稿中的相应部分,相邻面板会根据所选方面(如评估方法)对相关论文进行分组,并突出显示最相关的组。研究人员选择论文进行评估,审查带有支持摘录的建议修订,并根据相关性重新排列文献。

具体而言,LitPivot 将研究想法分解为问题陈述、提议贡献和评估计划三个维度。每个维度都有独立的文献和相关性排名。系统获取当前编辑维度的论文,允许研究人员选择用于评估草案的文献。

除了 Prism 等科学写作环境和 Claude Code 等智能助手外,LitPivot 探索了一种新的早期研究想法开发工作流程:选择文献进行评估,利用证据进行修改,并在想法变化时重新审视重要论文。其论文组和关联批评明确了提案各部分的步骤,同时保留研究人员对草案及评估证据的控制权。

针对不同维度,LitPivot 采取不同策略:对于问题陈述,寻找存在问题的证据及其重要性;对于提议贡献,比较所选论文已处理的内容与其描述的局限性和未来工作,寻找剩余差距;对于评估计划,检查测试是否解决研究问题以及类似工作的评估方式。系统会建议重写并附上支持引文。

修改一个想法的一个方面可能导致另一个方面过时。LitPivot 标记可能需要修改的段落,例如评估计划不再充分评估修改后的贡献。随着提案发展,研究人员可以接受、编辑或拒绝建议,并请求新论文或更新文献排名。

研究参与者的示例。

研究发现

实验室研究中,17 位研究人员使用 LitPivot 开发分配的想法,两种情况使用相同的论文集合。两位不知晓所用系统的领域专家根据相关文献支持和证明想法的程度评估结果提案。使用 LitPivot 开发的提案获得了更高评分。

参与者还报告说,相比基线工具,使用 LitPivot 能更好地理解周围文献,并更好地自我评估想法的新颖性和有用性。领域专家审查后认为,使用 LitPivot 修订的想法在相关文献上依据更充分。

一位参与者提出创建一致且真实的合成医疗笔记。LitPivot 指出多次医院诊所的一致性可能是所选文献中的潜在差距。参与者审查摘要后删除了关于单次访问笔记的论文,并将提案缩小到检测多次访问笔记之间的矛盾。这说明了修改想法与选择评估文献之间的相互影响。

后续研究中,五位研究人员在 30 分钟的会议中使用 LitPivot 处理正在进行的项目。参与者在多个项目阶段使用该工具,不仅限于项目开始阶段。两人用它检查新思想与文献的对比,三人用它完善更成熟的思想。一位研究人员强调,看到不同领域的平行概念有助于重构自己的贡献。

这表明 LitPivot 能够支持早期探索和完善现有研究方向。

支持科学发现

Ai2 正在开发人工智能以协助研究人员制定可测试的想法并检查其背后的证据。相关工作包括 Theorizer(从已发表发现中合成假设)、AutoDiscovery(对数据进行测试)、HARPA(通过新兴趋势产生有希望的假设)、Scideator(重组先前工作元素并评估新颖性)以及 IdeaSynth(支持以文献为基础的反向迭代改进)。

近期研究《旧观念,新问题》探讨了自动化新颖性评估的局限性。LitPivot 通过将相关文献的选择作为修订过程的一部分扩展了这一工作。研究人员可随想法发展改变用于评估提案的论文,并使用批评和支持摘录决定如何修改。该系统将这些决策与提案的问题、贡献和评估计划联系起来。

LitPivot 旨在帮助科学家在现有知识基础上构建,并将早期想法转化为领域内的新贡献。

评论 0

0/500

评论需审核后展示,请文明发言

💬
还没有评论,来说两句

相关阅读