研究人员在阅读新论文时，常常会改变自己研究想法的走向：可能发现别人已经做过类似贡献，或者从论文中看到尚未解决的问题。这种由文献引发的转向（literature-initiated pivot）是科研中的常见现象，但长期以来，发展想法和选择用来衡量想法的文献，被当作两件分开管理的事。LitPivot 试图把这两件事打通。

LitPivot 是与宾夕法尼亚大学合作开发的系统。研究者先在编辑器里写一段简短提案，开启“facet highlighting”后，系统会把想法拆成问题、贡献、评估计划三个层面。点击某一层面，旁边面板会从 Asta Paper Finder 检索的论文中，按照该层面组织分组（比如评估层面就按评估方法分组），并高亮最相关的组。研究者选定论文后，系统会给出基于这些论文摘录的批评，以及带引用支持的修改建议。对问题陈述，它寻找问题存在以及它之所以重要的证据；对贡献，它比较所选论文已经覆盖的内容与它们描述的局限和未来工作，找出剩余空白；对评估计划，则检查拟议测试是否回答研究问题、类似工作如何评估。修改后，相关文献的排序会随新版本重新计算。研究者可以选择接受、编辑或拒绝建议，也可以随时请求新论文或刷新文献排序。改变一个层面可能让另一个层面过时，系统会标记可能需要修改的段落。

为什么需要这样的设计？作者分析了四个已完成的计算机科学研究项目的会议记录，识别出 21 次文献引发的转向，分成两类：一类是与现有工作区分开以确立新颖性，另一类是与现有工作对齐以便在此基础上构建。作者提到，这个项目自己在定型贡献前也经历了两次这样的转向。在一项形成性研究中，五名研究者用文本编辑器和标准搜索工具撰写提案，发现在发展想法的同时批判性评估文献很困难；当论文挑战想法的新颖性时，他们希望得到具体的修改建议，而不是抽象提示。LitPivot 的评估正是把“文献支持的批评”和“针对具体部分的修改建议”配对。

实验室研究给出了量化结果：17 位研究者每人用 LitPivot 开发一个指定想法，再用基线工具（文本编辑器 + 用于询问所选论文的 AI 工具）开发另一个，两轮使用相同论文集合。两位不知道使用过哪个系统的领域专家，按照“想法在多大程度上利用了相关文献来支持和论证”这个单一标准评分，LitPivot 生成的提案得分更高。参与者自己也报告对相关文献的理解更强，并感觉到修订后的想法新颖性和有用性有更大提升。一个典型案例是：参与者最初想生成一致、事实性的合成医疗记录，LitPivot 指出所选文献中“跨多次就诊的一致性”可能是个空白；参与者据此删除了只看单次就诊记录的论文，再经过一次评估后，把提案缩小为“检测跨多次就诊记录的矛盾”。这个例子说明，修订想法和选择评估文献可以互相指导。

后续研究中，五名研究者用自己的进行中项目进行了 30 分钟会话，覆盖了从早期验证新想法到完善较成熟想法的多个阶段。其中一位提到，看到不同领域中的平行概念帮助他们重构了自己的贡献。作者将 LitPivot 定位为面向早期研究构思的工具，同时认为这种思路可能延伸到更长的写作任务，比如论文引言。

LitPivot 属于 Ai2 正在构建的科研支持工具谱系：Asta 支持从已有发现中生成理论、综合、假设生成与数据测试，HARPA 根据新兴研究趋势提出有前景的假设，Scideator 让研究者重组先前工作并评估新颖性，IdeaSynth 提供基于文献反馈的迭代精修。作者近期的研究 Old Ideas, Novel Problems 已经展示了自动新颖性评估的局限——提示词的小改动可能改变 AI 评委对同一想法的判断。LitPivot 延续这条线索，把“选择哪些文献作为评估依据”变成修订过程本身的一部分。该系统将在 UIST 2026 底特律会议上展示。