專文
LitPivot：在文獻領域中透過動態情境化發展研究構想
Ai2 與賓州大學合作的 LitPivot，打算協助研究者把初步構想放進文獻脈絡裡，一邊閱讀、一邊修正。
Ai2 與賓州大學合作的 LitPivot，打算協助研究者把初步構想放進文獻脈絡裡，一邊閱讀、一邊修正。整個的做法，是把一份簡短提案拆成「研究問題」「預期貢獻」和「評估計畫」。系統先依簡單的想法搜尋文獻，再根據你正在修改的部分整理相關論文。例如，當你在想怎麼評估成果，它就協助你查看類似研究採用了哪些評估方式。
整個過程會保留整份提案的上下文。當其中一個部分修改後，系統會把新版提案、文獻分析和剛修改的段落一起交給 LLM，檢查其他部分是否需要配合調整。例如：新的方法還有對準研究問題嗎？原本的實驗能驗證修改後的貢獻嗎？如果對不上，就標示出需要重新思考的段落，讓研究者決定怎麼改。
用一個假設的落石監測例子來說。原本的構想是「利用地震訊號和 AI 偵測落石，並用辨識準確率評估」。假設閱讀文獻後，決定把研究聚焦在「降低雨天雜訊造成的誤報」，整份計畫就需要跟著調整。 這時，方法要能處理雨天雜訊，評估也要能回答這個問題。只把全部資料混在一起算準確率，可能看不出雨天的表現是否改善。我們需要另外檢查雨天資料，觀察誤報是否下降，以及漏報是否增加，否則就會變成：研究題目已經轉彎，實驗還在直走。因此，每當其中一項改變，就回頭檢查另外兩項，讓文獻、想法和研究設計持續互相修正。
當然，這些建議仍需要「資深」研究者判斷。LitPivot 本身不會執行實驗，也無法直接證明哪個方法最可能成功。它提供的是有文獻依據的修改方向，以及提醒我們檢查前後是否一致的機制。
介紹文章：LitPivot