IdeaSynth：通过演化和组合想法方面与基于文献的反馈进行迭代式研究想法开发
人机交互
2025-07-16 v2 人工智能
摘要
研究构思涉及广泛探索和深入细化想法。两者都需要与文献深度互动。现有工具主要侧重于想法的广泛生成，但对于迭代细化、完善和评估初始想法所需的具体化、改进和评估支持甚少。为弥补这一空白，我们引入了 IdeaSynth，一个研究想法开发系统，它利用大语言模型提供基于文献的反馈，以阐明研究问题、解决方案、评估和贡献。IdeaSynth 将这些想法方面表示为画布上的节点，并允许研究人员通过创建和探索变体以及组合它们来迭代地细化这些方面。我们的实验室研究（N=20）表明，与强大的基于大语言模型的基线相比，使用 IdeaSynth 的参与者探索了更多替代想法，并以更多细节扩展了初始想法。我们的部署研究（N=7）表明，参与者有效地将 IdeaSynth 用于从开发初始想法到修改成熟手稿框架的不同构思阶段的真实研究项目，突显了将 IdeaSynth 融入研究人员工作流程的可能性。
引用
@article{arxiv.2410.04025,
title = {IdeaSynth: Iterative Research Idea Development Through Evolving and Composing Idea Facets with Literature-Grounded Feedback},
author = {Kevin Pu and K. J. Kevin Feng and Tovi Grossman and Tom Hope and Bhavana Dalvi Mishra and Matt Latzke and Jonathan Bragg and Joseph Chee Chang and Pao Siangliulue},
journal= {arXiv preprint arXiv:2410.04025},
year = {2025}
}