Ai2 e Penn apresentam o LitPivot, sistema que conecta a evolução de ideias de pesquisa à literatura relevante

O LitPivot parte de uma observação simples: ler um artigo novo muda a ideia que você está desenvolvendo. A Ai2 e a University of Pennsylvania chamam isso de literature-initiated pivot. Na análise de notas de reunião de quatro projetos de ciência da computação concluídos, os autores acharam 21 desses pivots, de dois tipos: diferenciar a ideia de trabalhos existentes para provar novidade, ou alinhá-la a eles para construir em cima. O próprio projeto passou por dois pivots antes de fechar suas contribuições.

O sistema recupera artigos pelo Asta Paper Finder e separa a proposta em três facetas: problema, contribuição e plano de avaliação. Cada faceta tem seu conjunto de literatura e seu ranking de relevância. Para o problema, o LitPivot busca evidência de que ele existe e importa. Para a contribuição, compara o que os artigos escolhidos já resolveram com as limitações e trabalhos futuros que eles descrevem, atrás de lacunas. Para a avaliação, checa se os testes respondem à pergunta de pesquisa e como trabalhos parecidos foram avaliados. A saída é uma sugestão de reescrita com trechos de apoio, que o pesquisador aceita, edita ou rejeita. O sistema também sinaliza passagens que podem ter ficado defasadas após a mudança em outra faceta.

Sobre os resultados: no estudo de laboratório, 17 pesquisadores desenvolveram uma ideia com o LitPivot e outra com uma linha de base (editor de texto mais uma ferramenta de IA para perguntas sobre artigos selecionados), com a mesma coleção de papers. Dois especialistas, sem saber qual sistema foi usado, avaliaram um único critério: o quanto a proposta usa a literatura para sustentar a ideia. O LitPivot ganhou. Os participantes também relataram melhor compreensão da literatura e ideias mais novas e úteis, mas essas duas últimas medidas são autorrelatadas. Num estudo de acompanhamento, cinco pesquisadores usaram a ferramenta em projetos próprios, em sessões de 30 minutos. O trabalho será apresentado na UIST 2026, em Detroit, ou seja, é pesquisa, não produto disponível.

Para quem constrói ferramentas de IA para ciência, a escolha de design é o ponto: em vez de um juiz automático decidir se a ideia é nova, o pesquisador controla quais papers entram na avaliação. A própria Ai2 cita um estudo recente, Old Ideas, Novel Problems, que mostra como pequenas mudanças de prompt alteram o veredito de um juiz de IA sobre as mesmas ideias. Isso sugere que manter o humano na seleção da evidência é uma resposta a essa fragilidade. Os números têm limite: amostra de 17 pessoas, um critério de avaliação e foco em ideação inicial.