面向能力感知的早期阶段科研想法评估
计算与语言
2026-01-21 v1
摘要
在概念阶段预测科研想法的结果（即在资源投入前）具有巨大的潜力，可用于优化科研资源分配和计划。虽然现有方法高度依赖已完成的论文或同行评审，但我们提出了一种 novel capability-aware 框架，使用仅作者信息和研究想法即可预测论文接受情况和评级，无需完整文本或实验结果。我们的方法通过 three-way transformer 架构集成作者信息、（推断的）能力呈现方式和研究想法，采用 flexible fusion 机制。我们还引入了一个 two-stage 架构，用于学习给定作者信息和想法的能力表示。实验表明，我们的方法通过对 bert-base 和 bert-large 的 fine-tuning 显著优于 single-way 模型，能力预测显著提高最终模型的预测准确度。该方法可应用于 early-stage research outcome prediction 和科学资源分配。
关键词
引用
@article{arxiv.2601.12473,
title = {Capability-Aware Early-Stage Research Idea Evaluation},
author = {Renlong Jie and Chen Chu and Zhen Wang},
journal= {arXiv preprint arXiv:2601.12473},
year = {2026}
}