研究构思始于何处：基于前向引用监督的可操作局限性生成
TLDR
从前向引用构建ActLim-Bench，并用三阶段后训练管线提升可操作局限性的召回率与人工偏好。
评分理由
The paper identifies a specific bottleneck in research ideation and constructs a large, human-verified benchmark with a clear post-training method, supported by human evaluations and downstream experiments. Its scope is narrow, focusing only on limitation generation rather than the full automated research pipeline, and visible evidence does not demonstrate end-to-end real-world deployment.
Read-first 评分解释
综合优先阅读分 44.3，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 33。
研究版图角色
排序敏感性
稳定性：volatile；排名波动范围：22。
关键词评分
深度分析
创新点
- 将可操作局限性生成定位为研究构思中关键且未充分考察的第一步，并揭示扩展LLMs能提升局限性识别能力但不能提升生成能力。
- 从前向引用构建ActLim-Bench，提供18,279个经人工验证的、带证据链接的监督三元组。
- 提出三阶段后训练流水线，结合监督微调、验证器过滤的拒绝采样微调，以及以验证器作为在线密集奖励的强化学习。
方法
作者进行了先导研究，将LLMs从0.6B扩展到32B参数，比较其识别与生成可操作局限性的能力。他们从前向引用构建ActLim-Bench，获得18,279个经人工验证的、带证据链接的监督三元组。随后，他们评估了一条三阶段后训练流水线——监督微调、验证器过滤的拒绝采样微调、以及以验证器作为在线密集奖励的强化学习——与现有方法及前沿模型进行比较，衡量指标包括召回率、人工偏好和下游构思影响。
关键结果
所提出的方法在与现有方法的比较中，在所有前沿模型里取得最高召回率得分；在64.9%的非平局人工比较中被优先选择；并改进了下游构思系统。