Tree-of-Ideas：基于学术演化跨轨迹推理的自动化研究选题

摘要

有效的研究选题需要超越对先前工作的静态理解，去追踪研究问题与解决方案如何在整个文献中演化。现有方法要么把论文当作非结构化上下文，要么把学术演化建模为孤立的引用链，忽视了研究轨迹之间的交互。我们提出Tree-of-Ideas（ToI），一个两阶段框架。EvoTrace从引文重建分支化的学术轨迹，追踪方法的演进、已解决的问题和空白。EvoAgent随后跨轨迹推理，识别趋同的问题与互补的方案，生成有依据的研究想法。在六个AI研究主题上，ToI在自动方法中取得最高分（10分制下6.27对最强基线的5.36），并具有较强的新颖性（6.36）与依据性（7.00）。此外，其得分接近人类论文参考（6.29），展示了跨路径演化推理的价值。

Tree-of-Ideas：基于学术演化跨轨迹推理的自动化研究选题：论文配图 — 图1：ToI框架概览。给定一个研究主题和一个文献语料库，EvoGraph检索并扩展相关论文，构建以主题为中心的引文图并识别前沿论文（阶段1）。EvoTrace为每篇前沿论文重建一棵局部演化树，追踪分支内与跨分支的方法学转变、未解决的研究空白和支持性来源（阶段2）。EvoAgent提取趋同与交叉链接信号，保留由多条轨迹支持的方向，并迭代地生成、评审和过滤想法，产出一组有文献依据的研究提案（阶段3）。