HybridQuestion：面向高影响力研究问题的人类-AI 协作
人机交互
2026-02-05 v1 人工智能
计算与语言
机器学习
摘要
“AI 科学家”范式正在通过自动化研究过程的关键环节（从想法生成到学术写作）来变革科学研究，这有望加速发现并扩大科学探索的范围。然而，一个关键问题仍不明确：AI 科学家能否识别有意义的研究问题？虽然大型语言模型（LLM）已成功应用于特定任务的构想，但其在对过去突破事件进行战略性、长期评估并预测未来问题的潜力仍鲜有探索。为此，我们探索了一种人类-AI 混合解决方案，将 AI 的可扩展数据处理能力与人类专家的价值判断相结合。我们的 methodology 由三个阶段构成。第一阶段是 AI 加速信息收集，利用 AI 处理海量文献生成混合信息库。第二阶段是候选问题提议，利用汇聚数据驱动六个不同 LLM 提出初始候选池，并通过跨模型投票机制进行筛选。第三阶段是混合问题选择，通过多级筛选过程逐步增加人类监督。为验证该系统，我们进行了一次实验，旨在识别 2025 年十大科学突破以及 2026 年十大科学问题（跨越五大学科）。我们的分析显示，尽管 AI 代理在识别既定突破事件方面与人类专家高度一致，但在预测前瞻性问题时表现出更大的差异，表明人类判断在评估主观性、前瞻性挑战方面仍至关重要。
引用
@article{arxiv.2602.03849,
title = {HybridQuestion: Human-AI Collaboration for Identifying High-Impact Research Questions},
author = {Keyu Zhao and Fengli Xu and Yong Li and Tie-Yan Liu},
journal= {arXiv preprint arXiv:2602.03849},
year = {2026}
}
备注
16 pages, 6 figures, 4 tables