23 октября 2026 г.
Ai2
Знакомство с новой научной статьей может изменить траекторию исследовательской идеи. Исследователь может обнаружить, что кто-то уже решил предложенную им задачу, или найти в статье нерешенную проблему, которая вдохновит его на новое направление исследований.
Мы называем этот процесс инициированным литературой разворотом (literature-initiated pivot): изменение направления исследования, вызванное чтением предыдущих работ. Он связывает воедино две задачи, которые исследователям часто приходится решать по отдельности: разработку идеи и выбор литературы для сопоставления с ней.
Совместно с коллегами из Университета Пенсильвании мы разработали LitPivot, систему, которая помогает исследователям ориентироваться в таких разворотах. Используя статьи, полученные с помощью Asta Paper Finder, LitPivot организует литературу вокруг редактируемой части предложения, предлагает критические замечания, подкрепленные выдержками из выбранных исследований, и предлагает правки, которые исследователи могут принять, отредактировать или отклонить. LitPivot предназначен для генерации идей на ранних стадиях исследования, но эта концепция потенциально может быть распространена и на более масштабные задачи по написанию текста (например, написание вводной части статьи).
В исследовании с участием 17 исследователей профильные эксперты оценили исследовательские идеи, разработанные с помощью LitPivot, как более обоснованные литературой по сравнению с теми, что были созданы с использованием текстового редактора и инструмента ИИ-чата. Участники также отметили, что их пересмотренные исследовательские идеи стали более новыми и полезными, и сообщили о более глубоком понимании профильной литературы.
LitPivot будет представлен на конференции UIST 2026 в Детройте. Читайте статью .
Почему менять направление исследований сложно
Исследовательские идеи эволюционируют в процессе работы с литературой. В ходе анализа заметок о встречах четырех завершенных проектов по информатике мы выделили 21 инициированный литературой разворот во всех четырех проектах. Они делились на два типа: дифференциация идеи от существующих работ для обоснования ее новизны и согласование идеи с существующими работами для развития на их основе. Сам этот проект прошел через два разворота, прежде чем мы определились с его вкладом.
Такие изменения бывает трудно реализовать на практике. В ходе предварительного исследования пять исследователей разрабатывали предложения, используя текстовый редактор и стандартные инструменты поиска. Они испытывали трудности с развитием своих идей и одновременной их критической оценкой на основе литературы. Когда какая-либо статья ставила под сомнение новизну идеи, им требовались конкретные рекомендации по ее доработке, подкрепленные предыдущими работами. Эти выводы легли в основу оценок LitPivot, которые объединяют критические замечания на основе литературы с конкретными предложениями по доработке выбранной части идеи.
Как работает LitPivot
В LitPivot исследователь начинает с написания короткого предложения в редакторе и включения так называемой подсветки аспектов (facet highlighting), которая разбивает сформулированную идею на различные аспекты (например, проблему, вклад и оценку). Чтобы проверить предложенный аспект, исследователь нажимает на этот сегмент в черновике. На соседней панели группируются связанные статьи на основе выбранного аспекта (например, группировка статей по используемым методам оценки при выборе аспекта оценки) и подсвечиваются наиболее релевантные группы. Исследователь выбирает статьи, запрашивает оценку и просматривает предлагаемую правку вместе с выдержками, подтверждающими критику. Затем литература переранжируется на основе релевантности измененному аспекту.
В частности, LitPivot разделяет исследовательскую идею на проблему, предполагаемый вклад и план оценки. Каждый аспект имеет собственный набор и рейтинг релевантности связанной литературы. LitPivot группирует полученные статьи вокруг редактируемого аспекта, позволяя исследователю выбирать, какие из них система должна использовать для оценки черновика.
Наряду со средами научного письма вроде Prism и агентными помощниками вроде Claude Code, LitPivot исследует новый рабочий процесс для разработки ранней исследовательской идеи: выбор литературы для ее оценки, использование этих данных для доработки и пересмотр того, какие статьи имеют значение по мере изменения идеи. Группы статей и связанные с ними критические замечания делают эти шаги наглядными для каждой части предложения, в то время как исследователи контролируют как черновик, так и доказательства, используемые для его оценки.
Для формулировки проблемы LitPivot ищет доказательства существования проблемы и обоснования ее важности. Для оценки предлагаемого вклада он сравнивает то, что уже было рассмотрено в выбранных статьях, с описанными в них ограничениями и направлениями будущей работы, выявляя оставшиеся пробелы. Для плана оценки система проверяет, отвечают ли предлагаемые тесты на исследовательский вопрос и как оценивались аналогичные работы. Затем система предлагает вариант переписывания текста с приложенными цитатами.
Изменение одного аспекта идеи может сделать другой устаревшим. LitPivot отмечает фрагменты, которые могут потребовать пересмотра, например, план оценки, который больше адекватно не оценивает измененный вклад. Исследователи могут принимать, редактировать или отклонять предложения, а также запрашивать новые статьи или обновлять рейтинг литературы по мере развития своего предложения.
Наши результаты
В ходе нашего лабораторного исследования 17 исследователей разработали по одной назначенной идее с помощью LitPivot и еще одну с помощью базового инструмента — текстового редактора и инструмента ИИ для вопросов по выбранным статьям. В обоих случаях использовалась одна и того же подборка статей. Два профильных эксперта, не знавших, какая система использовалась, оценивали получившиеся предложения по одному критерию: насколько хорошо в них использована релевантная литература для поддержки и обоснования идеи. Предложения, разработанные с помощью LitPivot, получили более высокие оценки.
Участники того же исследования также сообщили о более глубоком понимании профильной литературы и о более значительных субъективных улучшениях новизны и полезности своих идей при использовании LitPivot по сравнению с базовым инструментом. Профильные эксперты также изучили идеи участников и оценили идеи, доработанные с помощью LitPivot, как значительно более обоснованные в релевантной литературе.
Один из участников нашего лабораторного исследования начал с предложения по генерации согласованных, фактологически точных синтетических медицинских карт. LitPivot определил согласованность данных между несколькими визитами в больницу как потенциальный пробел в выбранной литературе. Участник просмотрел аннотации и удалил статьи, касающиеся записей только об одном визите. После повторной оценки он сузил предложение до задачи выявления противоречий в записях по итогам нескольких визитов. Этот пример показывает, как доработка идеи и выбор литературы для ее оценки могут дополнять друг друга.
В последующем исследовании пять исследователей использовали LitPivot для работы над собственными текущими проектами в ходе 30-минутных сессий. Участники применяли LitPivot на разных этапах проекта, а не только в самом начале. Двое использовали его для проверки новых идей на фоне литературы, а трое — для уточнения формулировок более проработанных идей. Один из исследователей отметил, как сопоставление параллельных концепций из разных областей помогло ему переосмыслить свой вклад.
Эти исследования показывают, что LitPivot может поддерживать как раннее исследование, так и доработку существующего направления исследований.
Поддержка научных открытий
В Ai2 мы разрабатываем ИИ, который помогает исследователям формулировать проверяемые идеи и изучать доказательства, лежащие в их основе. Asta поддерживает эту работу посредством генерации теорий на основе опубликованных результатов (Theorizer), синтеза, а также генерации гипотез и их тестирования на данных (AutoDiscovery), в то время как HARPA генерирует перспективные гипотезы с учетом новых тенденций исследований. Scideator позволяет исследователям рекомбинировать элементы предыдущих работ в новые идеи и оценивать их новизну, а IdeaSynth поддерживает итеративную доработку с помощью обратной связи, опирающейся на литературу.
В нашем недавнем исследовании Old Ideas, Novel Problems рассматриваются пределы автоматизированной оценки новизны и показывается, как небольшие изменения промптов могут повлиять на решение ИИ-судьи в отношении одних и тех же идей. LitPivot продолжает это направление работы, делая выбор релевантной литературы частью процесса доработки. Исследователи могут менять используемые для оценки предложения статьи по мере развития своей идеи, а затем использовать критические замечания и подтверждающие выдержки, чтобы решить, как ее скорректировать. Система связывает эти решения между проблемой предложения, вкладом и планом оценки.
Мы надеемся, что идеи, заложенные в LitPivot, помогут ученым опираться на существующие знания и превращать ранние идеи в новый вклад в свои области.
.webp)
