Omakase：针对演化中的科学研究项目提供可操作建议的主动协助
人机交互
2026-04-13 v1
摘要
随着 AI 代理在复杂知识任务方面能力的提升，缺乏上下文限制了其在科学研究项目的整个生命周期中对用户潜在需求进行主动推理的能力。在科学研究中，许多研究人员仍手动查询深层研究系统并将其丰富的项目上下文压缩为简短的、有针对性的查询。此外，深层研究系统会产生详尽的报告，使其难以识别具体行动。为探索主动式研究助手在科学研究项目中应有的机遇，我们与技术探针和迭代原型一起进行了若干研究 (N=42)。我们最新一轮的系统 Omakase 是一个研究助手，监控用户的项目文档以推断向深层研究系统查询时恰当的时机。Omakase 然后将长篇报告提炼为针对其演化项目的上下文化建议。我们的评估显示，参与者认为生成的查询是有用的且恰当的，Omakase 的建议显著优于原始报告，评分更具可操作性。
引用
@article{arxiv.2604.08898,
title = {Omakase: proactive assistance with actionable suggestions for evolving scientific research projects},
author = {Pao Siangliulue and Jonathan Bragg and Doug Downey and Joseph Chee Chang and Daniel S. Weld},
journal= {arXiv preprint arXiv:2604.08898},
year = {2026}
}