学术文献发现平台 ResearchRabbit 近日推出产品更新，旨在帮助研究生在利用生成式 AI 的同时，保持对原始研究问题的好奇心与探索自由。此次更新正值高校及科研机构重新审视 AI 时代研究工具定位的关键节点。
从“答案猎人”到“问题农夫”
本次更新的核心是一项名为“Analyze”（分析）的新功能。该功能鼓励用户突破主题边界，从相邻领域汲取灵感，支持探索性搜索，同时降低研究人员在海量文献中迷失方向的风险。
总部位于惠灵顿的 ResearchRabbit 坚持通过引用网络而非生成式 AI 进行文献发现。其平台已映射超过 3.2 亿篇论文，允许研究者基于选定的源材料，自主导航出版物间的关联。
这一产品迭代反映了学术界关于研究习惯变迁的广泛辩论。随着 ChatGPT 等工具在高等教育和科研工作中的普及，一项涵盖全球万余名研究人员的报告显示，44% 的受访者在大多数或每次信息收集时都会使用 AI。通用大模型已成为研究人员使用最广泛的 AI 工具，这也引发了关于学术训练重心的讨论：是否应从单纯的“答案检索”转向“构建有价值的问题”。
奥克兰理工大学计算机与信息科学系副教授 Mahsa McCauley 指出，文献综述不应沦为程序化的填表练习，而应是一个允许漫游、追随意外线索并重塑问题的探索空间。“长期以来，我们训练学生成为‘答案猎人’。但在 AI 能秒出答案的今天，真正的技能在于知道哪些问题值得问。我希望学生成为‘问题农夫’，即有意培养好奇心的人。未来的核心竞争力在于人类的判断、关怀与好奇心，”McCauley 表示。
拒绝自动化结论，保留认知参与
ResearchRabbit 在其最新策略中明确区分了自身角色：软件应保留用户的主动参与，而非自动化产出结论。在当前 AI 工具于学术界日益占据主导地位的背景下，该公司强调其算法依赖于由研究人员选择的论文所构建的引用网络，旨在引导用户发现文献间的隐性联系，追求意想不到的探究方向，而非直接生成响应。
“我们不是在构建一个生成答案的工具。答案是终止点，急于寻找答案会危及创造力、好奇心和深度探索。ResearchRabbit 的力量在于将超过 3.2 亿篇论文的庞大数据库与独特的信息探索方式相结合，”ResearchRabbit 产品总监 Digl Dixon 说道。
这种对不同探究风格的支持也与近期学术研究相呼应。一项发表于 2024 年的研究考察了 50 个国家和地区近 50 万名维基百科读者，识别出包括广泛搜索、特定答案追求及跨领域跳跃等多种好奇心模式。ResearchRabbit 认为，软件应支持这些多元模式，避免过早将用户推向固定结果。最新的更新通过扫描领域边缘的提示，为思想的交叉授粉和潜在的科学突破创造了更多空间。
自 2021 年上线以来，ResearchRabbit 已累计服务 450 万用户。