HybridQuestion：人机协作识别高影响力研究问题
TLDR
提出一个三阶段的人机混合系统来识别高影响力研究问题，并通过跨五个学科的实验验证。
评分理由
Strengths include a clear three-phase methodology combining AI scalability with human judgment, and a concrete experiment. Weaknesses: abstract is cut off, limiting full assessment; the approach is hybrid, not fully autonomous, which may limit novelty claims.
Read-first 评分解释
综合优先阅读分 47.6，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 37。
研究版图角色
前沿论文桥接论文方法锚点
排序敏感性
稳定性：volatile；排名波动范围：34。
关键词评分
深度分析
创新点
- 人机混合框架用于识别高影响力研究问题，整合了AI的可扩展文献处理能力与人类价值判断。
- 三阶段方法论：AI加速信息收集、通过六个LLM集成和跨模型投票提出候选问题、以及逐步增加人类监督的混合问题筛选。
- 系统在多个学科中同时应用于回顾性突破识别和前瞻性问题预测。
方法
该系统首先利用AI处理大量文献生成混合信息库。然后由六个不同LLM组成的集成模型提出候选问题，并通过跨模型投票进行筛选。随后通过逐步增加人类参与的多阶段筛选过程优化候选。验证包括识别五个学科的2025年十大科学突破和2026年十大科学问题。
关键结果
AI智能体在已确立的突破上与人类专家高度一致，但在预测未来问题上存在显著分歧，表明人类判断对于主观性、前瞻性挑战至关重要。
局限性
- AI智能体在预测前瞻性问题时与人类专家存在较大分歧，表明人类判断对于评估主观性、前瞻性挑战仍然至关重要。