Ai2 представила LitPivot: система правит научные идеи по литературе

Ai2 вместе с коллегами из Пенсильванского университета (University of Pennsylvania) представила LitPivot, систему, которая помогает исследователям пересматривать ранние научные идеи в свете прочитанных работ. Исходное наблюдение авторов: новая статья может изменить траекторию идеи, например, выясняется, что предложенный вклад уже кем-то сделан, или в чужой работе находится нерешённая проблема, которая подсказывает новое направление. Такой сдвиг авторы называют «поворотом, инициированным литературой» (literature-initiated pivot).

Чтобы понять, как это происходит на практике, авторы разобрали заметки со встреч по четырём завершённым проектам в области компьютерных наук и нашли в них 21 такой поворот. Они делятся на два типа: отличие идеи от существующих работ, чтобы обосновать новизну, и, наоборот, сближение с существующими работами, чтобы на них опереться. Сам проект LitPivot тоже прошёл через два поворота, прежде чем авторы определились с вкладом. В предварительном исследовании пять учёных готовили заявки в обычном текстовом редакторе со стандартным поиском и жаловались, что трудно одновременно развивать идею и критически сверять её с литературой. Когда статья ставила под сомнение новизну, им хотелось конкретных предложений по правке, подкреплённых прежними работами. Эти наблюдения легли в основу оценок в LitPivot.

Как это работает. Исследователь пишет в редакторе короткое предложение (proposal) и включает подсветку аспектов (facet highlighting): система делит идею на проблему, предлагаемый вклад и план оценки. Если щёлкнуть по нужному фрагменту, рядом открывается панель, где статьи, найденные через Asta Paper Finder, сгруппированы под выбранный аспект (для плана оценки, например, по используемым методам оценки), а самые релевантные группы выделены. У каждого аспекта свой набор литературы и свой рейтинг релевантности. Исследователь сам отбирает статьи, запрашивает оценку и получает предложенную правку вместе с выдержками, на которых держится критика; после этого литература переранжируется под обновлённый аспект.

Для проблемы система ищет свидетельства, что она существует и чем важна. Для вклада сравнивает то, что выбранные статьи уже решили, с их собственными описаниями ограничений и будущей работы, ищет оставшиеся пробелы. Для плана оценки проверяет, отвечают ли предлагаемые тесты на исследовательский вопрос и как оценивали похожие работы. Затем предлагается переписанный текст с прикреплёнными цитатами. Если меняется один аспект, другой может устареть: LitPivot отмечает места, которые, возможно, нужно переработать (скажем, план оценки, который больше не проверяет изменённый вклад). Предложения можно принять, отредактировать или отклонить, а также запросить новые статьи или обновить рейтинг. Авторы подчёркивают, что исследователь контролирует и черновик, и доказательства, по которым тот оценивается.

Лабораторное исследование. 17 исследователей разрабатывали по одной заданной идее с LitPivot и ещё одну, с базовым инструментом: текстовым редактором и ИИ-средством для вопросов по выбранным статьям. В обоих случаях использовался один и тот же набор статей. Двое экспертов предметной области, не знавших, какой системой пользовались, оценивали получившиеся заявки по единственному критерию, насколько хорошо в них использована релевантная литература для поддержки и обоснования идеи. Заявки, сделанные с LitPivot, получили более высокие оценки; авторы пишут, что эксперты сочли их значимо лучше обоснованными. Сами участники сообщили о лучшем понимании окружающей литературы и о большем улучшении новизны и полезности своих идей по сравнению с базовым инструментом (это самооценка).

Пример участника: он начал с предложения генерировать согласованные и фактически верные синтетические медицинские записи. LitPivot указал как возможный пробел согласованность между несколькими визитами в больницу. Участник просмотрел аннотации, убрал статьи об одновизитных записях и после повторной оценки сузил тему до обнаружения противоречий в записях из нескольких визитов.

В дополнительном исследовании пятеро учёных использовали LitPivot в 30-минутных сессиях на собственных текущих проектах. Двое проверяли им новые идеи на соответствие литературе, трое уточняли формулировку более зрелых идей. Один из участников отметил, что параллельные понятия из других областей помогли ему переосмыслить свой вклад. По выводам авторов, исследования говорят о том, что LitPivot может поддерживать и раннее исследование темы, и уточнение уже выбранного направления.

LitPivot будет представлен на конференции UIST 2026 в Детройте. Авторы называют его предназначенным для ранней стадии формирования идей и допускают, что подход можно распространить на более длинные тексты, например введение научной статьи. В контексте других разработок Ai2 (Asta, Theorizer, AutoDiscovery, HARPA, Scideator, IdeaSynth) LitPivot продолжает линию работ, сделав выбор релевантной литературы частью самого процесса правки; рядом авторы упоминают собственное исследование Old Ideas, Novel Problems, где показано, что небольшие изменения запроса могут изменить вердикт ИИ-судьи об одних и тех же идеях.

Ключевые факты

LitPivot делит исследовательскую идею на проблему, вклад и план оценки; для каждого аспекта есть свой набор и рейтинг статей (поиск идёт через Asta Paper Finder).
Система даёт критику с выдержками из выбранных исследователем статей и предлагает правки, которые можно принять, отредактировать или отклонить; она отмечает и места, устаревшие после правки другого аспекта.
В лабораторном исследовании 17 учёных делали одну идею с LitPivot, другую с базовым инструментом (текстовый редактор и ИИ для вопросов по статьям); двое слепых экспертов оценили заявки с LitPivot как лучше обоснованные литературой.
В анализе заметок четырёх завершённых проектов по компьютерным наукам найдено 21 изменение направления под влиянием литературы: два типа, отличие от существующих работ и сближение с ними.
Работа будет представлена на UIST 2026 в Детройте.

Почему это важно

Развитие идеи и выбор литературы, с которой её сравнивают, исследователи обычно ведут порознь. LitPivot пытается соединить эти занятия: статьи группируются под редактируемую часть заявки, а после правки рейтинг литературы пересчитывается. Авторы описывают это как новый рабочий процесс рядом с научными редакторами вроде Prism и агентными помощниками вроде Claude Code. Отличие подхода в том, что отбор источников остаётся за человеком и становится частью самой правки.

Кому это важно

В первую очередь исследователям, которые на ранней стадии формулируют проблему, вклад и план проверки идеи и хотят быстро сверять их с литературой. Также разработчикам научных ИИ-помощников и исследователям взаимодействия человека с компьютером: работа выходит на UIST 2026. Авторы допускают, что идея может распространиться и на более длинные тексты, например введение статьи, но это лишь возможность.

Как это применить

В источнике не сказано, доступна ли система публично, и не названы условия использования. Практически полезна сама схема: разбить идею на проблему, вклад и план оценки; под каждый аспект подбирать и вручную отбирать свою литературу; просить критику с опорой на конкретные выдержки; после изменения одного аспекта перепроверять остальные. Так работает LitPivot, и по этой логике можно строить собственный процесс с любым поиском статей.

Можно ли доверять

Это пересказ блога самих авторов (Ai2 и Пенсильванского университета), а не независимая проверка. Основной результат опирается на лабораторное исследование с 17 участниками и оценки двух экспертов по единственному критерию, обоснованности литературой. Числовые оценки, размеры эффекта и статистические тесты в тексте не приведены, поэтому слова «значимо лучше» проверить по блогу нельзя. Оценки новизны и полезности, самооценка участников. Дополнительное исследование с пятью учёными дало лишь качественные наблюдения.

Риски и подводные камни

Выборка небольшая, а экспертов было двое. Экспертная оценка измеряла только то, насколько идея обоснована литературой, а не её качество или научную ценность в целом. В источнике не указано, кем были 17 участников и какие модели лежат в основе системы, не назван и размер набора статей. Авторы сами признают, что инструмент рассчитан на раннюю стадию идей. Кроме того, их собственное недавнее исследование показывает, что вердикты ИИ-судей о новизне чувствительны к небольшим изменениям запроса.