你大概有過(guò)這樣的經(jīng)歷：把剛想出來(lái)的題目丟給AI，問(wèn)一句“這個(gè)選題新不新”，它回你一段熱情洋溢的評(píng)價(jià)——“該選題具有較強(qiáng)的創(chuàng)新性，填補(bǔ)了現(xiàn)有研究的空白”。你松了口氣，覺(jué)得自己找到了一個(gè)不錯(cuò)的切入點(diǎn)。可等到開題答辯或者投稿時(shí)，導(dǎo)師或?qū)徃迦艘痪洹斑@個(gè)問(wèn)題XX年就有人問(wèn)過(guò)了”，就把你打回原點(diǎn)。

問(wèn)題不在于AI在騙你，而在于你問(wèn)它的方式，本身就很難得到可靠答案。已有研究把這種現(xiàn)象稱為“新穎性海市蜃樓”（novelty mirage）：讓大語(yǔ)言模型充當(dāng)評(píng)審，它傾向于把生成出來(lái)的研究問(wèn)題一律評(píng)為高度新穎，即使這些問(wèn)題的參照對(duì)象就在手邊的文獻(xiàn)里（Sinhahajari et al., On the Limits of LLM-as-Judge for Scientific Novelty Assessment, arXiv:2606.12071，檢索日期：2026年2月）。換句話說(shuō)，AI給你的“很新”，更像是一條待驗(yàn)證的線索，而不是一個(gè)可以寫進(jìn)開題報(bào)告的結(jié)論。

下面這套三步自查，就是把這條線索變成可核對(duì)判斷的具體做法。

為什么整體印象打分不可靠

先理解失效發(fā)生在哪一層。一篇完整的論文包含方法、可行性、實(shí)證前景等多個(gè)維度，讓模型對(duì)“整個(gè)想法”打分，變量太多，它很容易被表述的流暢度、術(shù)語(yǔ)的時(shí)髦程度帶偏。上述研究因此把評(píng)估對(duì)象上移到一個(gè)更干凈的單位：研究問(wèn)題（Research Question，RQ）。研究問(wèn)題是科學(xué)構(gòu)思的前提，而且它可以和真實(shí)論文里追問(wèn)過(guò)的問(wèn)題直接比對(duì)。

研究者構(gòu)建了RQ-Bench，從近期arXiv論文中，依據(jù)每篇論文引用的背景、指出的缺口和聲明的貢獻(xiàn)，反向重建出“作者錨定”的研究問(wèn)題。這些RQ不是同一背景下唯一正確的問(wèn)題，而是用于檢驗(yàn)新穎性判斷的參照點(diǎn)。結(jié)果顯示，無(wú)論讓模型單獨(dú)打分還是做對(duì)比打分，模型都系統(tǒng)性地高估新穎性。

這解釋了你的困惑從何而來(lái)：當(dāng)你把一段題目描述丟給AI，你得到的是對(duì)整個(gè)印象的判斷；而真正決定“新不新”的，是你的研究問(wèn)題是否已經(jīng)被別人問(wèn)過(guò)。判斷的錨點(diǎn)不在AI的印象里，在文獻(xiàn)里。

第一步：把你的題目改寫成一句研究問(wèn)題

題目往往是名詞堆砌，比如“數(shù)字經(jīng)濟(jì)背景下中小企業(yè)融資約束研究”。這句話沒(méi)有主語(yǔ)動(dòng)作，也沒(méi)說(shuō)明要回答什么，AI只能憑字面聯(lián)想給你打分。

把它改寫成一句完整的研究問(wèn)題：在什么情境下，針對(duì)什么對(duì)象，探究哪個(gè)機(jī)制或關(guān)系，得出什么可檢驗(yàn)的判斷。例如上面這個(gè)題目可以改寫成：“數(shù)字化轉(zhuǎn)型程度是否降低了中小企業(yè)的銀行信貸融資約束，其作用是否通過(guò)信息不對(duì)稱緩解來(lái)實(shí)現(xiàn)？”

改寫之后你會(huì)發(fā)現(xiàn)兩件事。第一，題目里原本含糊的“研究”變成了明確的關(guān)系判斷。第二，你開始能判斷哪些詞是核心，哪些只是修飾。研究問(wèn)題一旦成形，比對(duì)才有對(duì)象——你要拿它去和文獻(xiàn)里的問(wèn)題比，而不是拿一個(gè)標(biāo)題去比。

一個(gè)可操作的自檢：把改寫后的問(wèn)題讀給同專業(yè)但不同方向的同學(xué)聽，如果他能復(fù)述出你要檢驗(yàn)的關(guān)系，說(shuō)明問(wèn)題足夠具體；如果他只能重復(fù)你的題目，說(shuō)明還沒(méi)改到位。

第二步：回到被引背景與已有貢獻(xiàn)里找“是否已被問(wèn)過(guò)”

這一步是整個(gè)流程的核心，也是最容易被跳過(guò)的一步。多數(shù)人查文獻(xiàn)是為了找支持自己觀點(diǎn)的材料，而不是找“已經(jīng)問(wèn)過(guò)同樣問(wèn)題”的人。你需要反過(guò)來(lái)做。

具體做法是，挑三到五篇與你問(wèn)題最接近的論文，對(duì)每一篇回答三個(gè)問(wèn)題：

1. 它在引言里指出的研究缺口是什么？
2. 它聲明的貢獻(xiàn)是什么？
3. 如果把它的問(wèn)題寫成一句疑問(wèn)句，和你那句疑問(wèn)句重合到什么程度？

這三個(gè)問(wèn)題正好對(duì)應(yīng)RQ-Bench重建作者錨定研究問(wèn)題所依賴的三類信息：被引背景、缺口、貢獻(xiàn)。你可以把它當(dāng)作手工版的錨定比對(duì)。判斷標(biāo)準(zhǔn)很直接：如果某篇論文的貢獻(xiàn)就是回答了你那句疑問(wèn)句，那你的問(wèn)題不是新的，只是你還不知道答案而已。

這里有個(gè)常見誤區(qū)需要點(diǎn)破。有人會(huì)說(shuō)“我用的數(shù)據(jù)不同、年份更新，所以是新的”。數(shù)據(jù)更新本身通常不構(gòu)成研究問(wèn)題層面的新穎性，它屬于情境或樣本的差異，是否值得寫，取決于這個(gè)差異是否改變了結(jié)論或引入了新的機(jī)制。這一點(diǎn)留到第三步判斷。

第三步：判斷差異落在情境、對(duì)象、機(jī)制還是數(shù)據(jù)上

當(dāng)你確認(rèn)自己的問(wèn)題與已有研究“不完全一樣”時(shí)，需要進(jìn)一步定位差異的層級(jí)。不同層級(jí)的差異，對(duì)應(yīng)不同的新穎性強(qiáng)度和不同的論證負(fù)擔(dān)。

把差異定位清楚，你就知道自己的貢獻(xiàn)該往哪里寫。只換情境卻宣稱“填補(bǔ)空白”，是開題和投稿中最容易被質(zhì)疑的寫法；而明確指出“原有研究在X情境下的結(jié)論依賴Y假設(shè)，本研究檢驗(yàn)該假設(shè)是否成立”，則是一個(gè)站得住的論證起點(diǎn)。

把AI放回它該在的位置

做完這三步，你會(huì)發(fā)現(xiàn)AI并非沒(méi)用，只是用法要調(diào)整。讓它做整體印象打分，你得到的是海市蜃樓；讓它幫你做錨定比對(duì)，它才可能提供有價(jià)值的線索。

比較務(wù)實(shí)的用法是：先自己完成第一步的改寫，再把你的研究問(wèn)題和幾段真實(shí)的文獻(xiàn)背景、缺口、貢獻(xiàn)描述一起交給AI，讓它逐條列出“哪些已有貢獻(xiàn)可能已經(jīng)回答了你這個(gè)問(wèn)題”。已有研究提出的思路，正是用檢索增強(qiáng)的方式把想法與文獻(xiàn)對(duì)齊，而不是讓模型憑空判斷（Shahid et al., Literature-Grounded Novelty Assessment of Scientific Ideas, arXiv:2506.22026，檢索日期：2026年2月）。即便這樣，輸出結(jié)果仍需要你回到原文核對(duì)，因?yàn)槟Ｐ涂赡苷`讀摘要，也可能漏掉不在檢索范圍內(nèi)的文獻(xiàn)。

需要提醒的是，AI給出的“很新”或“已被做過(guò)”都只是線索。真正決定選題能否成立的，是你能否說(shuō)清楚：這個(gè)問(wèn)題誰(shuí)問(wèn)過(guò)、問(wèn)到什么程度、你補(bǔ)上的那一塊為什么重要。這個(gè)判斷，目前仍然得由你來(lái)做。

一份可以貼在桌前的自查清單

• 我能否用一句疑問(wèn)句寫出自己的研究問(wèn)題，而不是一串名詞？
• 我是否讀過(guò)至少三篇最接近的論文，并寫出它們各自的問(wèn)題？
• 我的問(wèn)題與這些論文的問(wèn)題，重合點(diǎn)在哪里，差異點(diǎn)在哪里？
• 我的差異落在情境、對(duì)象、機(jī)制、數(shù)據(jù)還是問(wèn)題本身？
• 針對(duì)這個(gè)層級(jí)的差異，我能否說(shuō)清它為什么值得研究？
• AI給我的評(píng)價(jià)，我是否逐條回到文獻(xiàn)核對(duì)過(guò)？

如果這六個(gè)問(wèn)題你都能給出具體答案，那么“AI說(shuō)我的題目很新”這句話，才真正變成了一條經(jīng)過(guò)驗(yàn)證的線索，而不是一句讓你安心的空話。選題這一步?jīng)]有捷徑，但有一套可以反復(fù)使用的核對(duì)流程——把它用熟，你省下的不是查文獻(xiàn)的時(shí)間，而是返工的時(shí)間。