MIR：面向科学研究问题的方法论灵感检索
TLDR
提出方法论灵感检索（MIR），利用方法论邻接图检索启发研究问题解决方案的先前工作。
评分理由
Strengths: Novel task definition and dataset, clear methodology with MAG and dense retrievers, significant performance gains. Weaknesses: Limited to retrieval component; no full automation or real-world experimental validation beyond literature.
Read-first 评分解释
综合优先阅读分 57.6，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 53。
研究版图角色
前沿论文方法锚点
排序敏感性
稳定性：volatile；排名波动范围：45。
关键词评分
深度分析
创新点
- 定义了方法论灵感检索（MIR）这一新任务，用于检索能够启发研究问题解决方案的先前工作。
- 构建了一个专门用于训练和评估MIR检索器的新数据集。
- 引入了方法论邻接图（MAG），通过引用关系捕获方法论谱系。
- 将MAG作为直观先验嵌入密集检索器，以识别超越表面语义相似性的方法论灵感模式。
- 将基于LLM的重排序策略适配到MIR任务，以进一步提升检索效果。
方法
作者定义了MIR并构建了一个用于训练和评估的新数据集。他们通过引用关系构建方法论邻接图（MAG）以捕获方法论谱系，并将该图作为直观先验嵌入密集检索器。他们还进一步将基于LLM的重排序策略适配到MIR任务以优化检索结果。
关键结果
将MAG融入密集检索器在强基线上实现了Recall@3提升+5.4、mAP提升+7.8；加入基于LLM的重排序进一步带来Recall@3提升+4.5、mAP提升+4.8。