思想树（Tree-of-Ideas）：基于学术演化跨轨迹推理的自动化研究构想生成
Tree-of-Ideas: Automated Research Ideation via Cross-Trajectory Reasoning over Scholarly Evolution
浏览论文内容
中文总结 AI 辅助
该研究提出两阶段框架Tree-of-Ideas，通过重构学术轨迹并跨轨迹推理生成研究构想，在6个人工智能主题上的自动方法中得分最高，接近人类水平。
中文摘要 AI 辅助
有效的研究构想生成需要超越对已有工作的静态理解，追踪研究问题与解决方案如何在文献中演化。现有方法要么将论文视为非结构化上下文，要么将学术演化建模为孤立的引用链，忽略了研究轨迹间的交互。我们提出Tree-of-Ideas（ToI），这是一个两阶段框架：EvoTrace从引用中重构分支状学术轨迹，追踪演化中的方法、已解决的问题及存在的空白；EvoAgent随后在轨迹间进行推理，识别趋同问题与互补解决方案，生成有依据的研究构想。在6个人工智能研究主题上，ToI在自动方法中取得最高得分（10分制下为6.27，最强基线为5.36），且具有较强的新颖性（6.36）和依据性（7.00），其得分接近人类论文参考文献的得分（6.29），证明了跨路径演化推理的价值。
英文摘要
Effective research ideation requires moving beyond a static understanding of prior work to trace how research problems and solutions evolve across the literature. Existing methods either treat papers as unstructured context or model scholarly evolution as isolated citation chains, overlooking interactions among research trajectories. We propose Tree-of-Ideas (ToI), a two-stage framework. EvoTrace reconstructs branching scholarly trajectories from citations, tracking evolving methods, resolved problems, and gaps. EvoAgent then reasons across trajectories to identify convergent problems and complementary solutions, generating grounded research ideas. Across six AI research topics, ToI achieves the highest score among automatic methods (6.27 vs. 5.36 for the strongest baseline on a 10-point scale), with strong Novelty (6.36) and Groundedness (7.00). Also, its score approaches that of human-paper references (6.29), demonstrating the value of cross-path evolutionary reasoning.
发表机构
- Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳））
- University of Melbourne（墨尔本大学）
- University of Sydney（悉尼大学）
- Shenzhen University（深圳大学）
- Nanyang Technological University（南洋理工大学）
- Tsinghua University（清华大学）
- Tencent Youtu Lab, Tencent（腾讯腾讯云图实验室）
机构由 AI 辅助整理，请以论文原文为准。
