本文目錄

Ai2 官方部落格日期為 2026 年 10 月 23 日，介紹 LitPivot——與賓夕法尼亞大學合作開發的系統；配套論文將在 UIST 2026（底特律）報告。頁面寫的是一套面向早期研究選題的研究系統：幫人在變化的文獻版圖裡打磨短提案，不是已確認的、帶註冊入口的公開消費級產品。

用人話說：LitPivot 想更早攔住「自以為新穎、文獻裡其實已經做過」的碰撞，並把碰撞變成可審的改寫路徑，而不是只留下一堆 PDF、沒有下一步。

切面、選定文獻，再批評

先寫短提案並打開 facet 高亮。系統把草案切成 問題（problem）、貢獻（contribution）、評估（evaluation）。點某一切面，側欄會按該切面把相關論文分組（例如點評估切面時按評估方法分組），並標出更相關的組。研究者選定要用哪些論文，再請求評估，就會看到帶摘錄支撐的批評以及改寫建議；可接受、編輯或拒絕。切面一改，文獻相關性會重排——Ai2 把這種「讀文獻推動改題、改題又改寫該看哪些文獻」的循環叫作 literature-initiated pivot（文獻發起的轉向）。

取文走 Asta Paper Finder。對問題切面，系統找「問題是否存在、為何重要」的證據；對貢獻，對照選定文獻已覆蓋的內容與其局限／未來工作；對評估計劃，檢查測試是否對準研究問題、同類工作怎麼評。改一個切面可能讓另一段過時，系統可以標出可能需要跟改的段落。

工具流程如何改結果，本站在編程 agent 上下文裡寫過——見 同一個模型換套 coding harness，通過率幾乎不動，帳單為什麼差這麼多？。LitPivot 把類似思路用在研究起草，而不是 coding harness。Ai2 也把 LitPivot 放在科學寫作環境與 Claude Code 一類 agent 助手旁邊；兩款編程 agent 的價格與用量對照見 Claude Code 和 Codex，20 美元各能買到什麼，該選哪個。

實驗室測了什麼

在 17 名研究者參與的研究裡，每人用 LitPivot 做一題、用基線做一題；基線是文本編輯器加可就選定論文提問的 AI 工具，兩邊共用同一批論文。兩名領域專家在不知條件的情況下，只評「是否用相關文獻把想法支撐與說圓」。LitPivot 條件下的提案獲得更高的文獻貼合（groundedness）評分。受試也報告對周邊文獻理解更強，並自報在新穎性、有用性上的提升大於基線。

另有 5 人跟進研究，用 LitPivot 處理自己的在研題目——有人篩新想法，有人改成熟框架的表述。這些是實驗室與質性訊號，談的是 grounding 與主觀感受，不是查重產品，不是機構級「選題是否重複」判官，也不是原創性證明。

邊界先看清

  • 研究原型，不是已確認的公開產品。 Ai2 官方部落格按會議論文線介紹 LitPivot，該頁未確認公開上線、帳號註冊或通用可得性。按研究團隊做了什麼、測了什麼來理解即可。
  • 更貼文獻 ≠ 保證新穎。 專家評的是文獻 grounding；受試自報的是新穎感。兩件事不能混寫。一篇提案可以更貼文獻仍在後續審稿裡翻車——或反過來。
  • 自動新穎性評判不穩定。 同一篇官方部落格在科學發現工具一節提到 Old Ideas, Novel Problems：很小的提示改動就能讓 AI 裁判對同一批想法的新穎性判決翻轉。LitPivot 的賭注不同：把選哪些文獻寫進改稿過程，並由人接受／編輯／拒絕——而不是把最終新穎性交給單一自動分。
  • 另一類「系統能解釋依據、仍不能當最終裁決」的例子，見 DetectorScope：能解釋判定依據的 AI 文本檢測器，為什麼仍不能用來判定作弊？。

至於 LitPivot，本站暫時還沒有測試；僅供參考。用過的話，可透過網站底部站長聯絡方式回饋給我們。