LitPivot：在文献版图中动态上下文化，辅助形成研究想法

📄 论文

遇到一篇新论文可能会改变一个研究想法的轨迹。研究者可能会发现，已经有人解决了他们提出的贡献，或者在论文中发现一个尚未解决的问题，从而启发新的探究方向。

我们将这一过程称为文献引发的转向：即因阅读先前工作而促使研究方向发生的变化。它连接了两项研究者通常不得不分开管理的活动：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一起开发了 LitPivot，一个帮助研究者应对这些转向的系统。LitPivot 使用通过 Asta Paper Finder 检索到的论文，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批评意见，并给出研究者可以接受、编辑或拒绝的修改建议。LitPivot 旨在用于早期研究构思，但这一思路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 名研究者参与的研究中，领域专家认为，使用 LitPivot 形成的研究想法比使用文本编辑器和 AI 聊天工具形成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，并表示对相关文献有了更深入的理解。

LitPivot 将在底特律举行的 UIST 2026 上展示。论文见此处。

为何转向如此困难

研究想法通过与文献互动而演变。在我们对四个已完成的计算机科学研究项目的会议记录分析中，我们在全部四个项目中识别出 21 次文献引发的转向。这些转向分为两类：将想法与现有工作区分开来以确立其新颖性，以及将想法与现有工作对齐以在其基础上发展。这个项目本身在确定其贡献之前也经历了两次转向。

这些变化可能难以应对。在一项形成性研究中，五名研究者使用文本编辑器和标准搜索工具制定提案。他们在发展想法的同时，难以对照文献对其进行批判性评估。当一篇论文对某个想法的新颖性构成挑战时，他们希望获得具体的修改建议，并以先前工作为支持。这些发现塑造了 LitPivot 的评估方式：将文献支持的批评与针对想法中所选部分的具体修改建议配对。

LitPivot 如何工作

在 LitPivot 中，研究者首先在编辑器中撰写一份简短提案，并启用我们所说的方面高亮，它将一个已表述的想法分割为不同方面（即问题、贡献和评估）。要检查某个拟议方面，研究者点击草稿中的该片段。相邻面板会根据所选方面对相关论文进行分组（例如，当选择评估方面时，按论文使用的评估方法分组），并高亮最相关的组。研究者选择论文、请求评估，并查看建议的修改以及支持该批评的摘录。随后，文献会根据与修改后方面的相关性重新排序。

具体而言，LitPivot 将研究想法拆分为问题、拟议贡献和评估方案。每个方面都有各自的相关文献集合与相关性排序。LitPivot 围绕正在编辑的方面对检索到的论文进行分组，让研究者选择系统应使用哪些论文来评估草稿。

与 Prism 等科学写作环境和 Claude Code 等智能体助手一样，LitPivot 探索了一种发展早期研究想法的新工作流：选择用于评估该想法的文献，利用这些证据对其进行修改，并随着想法的变化重新考虑哪些论文重要。它的论文分组和关联评论使提案每个部分的这些步骤变得明确，而研究者同时掌控草稿和用于评估它的证据。

对于问题陈述，LitPivot 寻找问题确实存在且其重要性有据可依的证据。为评估拟议贡献，它将所选论文已经解决的问题与它们描述的局限性和未来工作进行比较，寻找尚存的空白。对于评估方案，它检查拟议的测试是否回应了研究问题，以及类似工作是如何被评估的。随后系统会给出改写建议，并附上支撑引文。

改变想法的一个方面可能会使另一个方面过时。LitPivot 会标记可能需要修改的段落，例如某个评估方案已不再能充分评估修改后的贡献。研究者可以接受、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。

我们的发现

在我们的实验室研究中，17 位研究者分别用 LitPivot 和一个基线工具各发展一个分配的想法——基线工具是一个文本编辑器和一个用于就所选论文提问的 AI 工具。两种条件使用相同的论文集合。两位领域专家在不知道使用的是哪个系统的情况下，按单一标准对生成的提案进行评分：它们利用相关文献支持和论证该想法的程度。用 LitPivot 发展的提案获得了更高的评分。

同一研究中的参与者还报告，与基线相比，使用 LitPivot 时他们对周边文献的理解更强，自评其想法的新颖性和有用性提升也更大。领域专家还审阅了参与者的想法，并评定使用 LitPivot 修改后的想法在相关文献基础上显著更为扎实。

我们实验室研究中的一位参与者最初提出的方案是生成一致、事实准确的合成医疗记录。LitPivot 发现，所选文献中多次就诊记录之间的一致性可能是一个空白。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，他们将提案收窄为检测多次就诊记录之间的矛盾。这个例子展示了修改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分钟的会话中使用 LitPivot 处理各自正在进行的项目。参与者在多个项目阶段使用了 LitPivot，而不仅仅是在初期。两人用它对照文献来检验新想法，三人用它来完善更成熟想法的框架。一位研究人员强调，看到来自不同领域的平行概念如何帮助他们重新构建自己的贡献。

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，帮助研究人员提出可检验的想法并审视其背后的证据。Asta 通过从已发表发现中生成理论（Theorizer）、综合以及在数据上生成并检验假设（AutoDiscovery）来支持这项工作，而 HARPA 则基于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要素重新组合成新想法，并评估其新颖性，而 IdeaSynth 则通过基于文献的反馈支持迭代完善。

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，展示了微小的提示词改动如何改变 AI 评判者对相同想法的判定。LitPivot 将这项工作向前推进，把相关文献的选择纳入修订过程。随着想法的发展，研究人员可以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继续构建，并将早期想法转化为对其领域的新贡献。