文章核心观点 - 复旦大学NLP团队与WisPaper合作，开发了基于大语言模型的自动化学术论文新颖性分析系统OpenNovelty，旨在通过提供可追溯的文献证据，解决同行评审中对创新性评估的依赖与争议 [2][4] - 该系统通过结构化信息提取、地毯式文献检索、层次化证据比对和生成可验证报告四步流程，为审稿人和作者提供辅助工具，推动可验证、可追溯的新颖性评估 [6][8] - 系统定位为辅助工具而非决策主体，旨在提升评审效率与透明度，但最终学术判断仍需人类完成，其局限性包括对复杂数学内容理解不足、检索范围依赖索引等 [26][27][29] 系统核心设计原则 - 根本原则是任何关于“创新性不足”的判断都必须附带可追溯的真实证据，证据需来自已发表文献并能精确定位到原文具体段落，若未找到证据则如实说明 [7] - 与传统查重关注文字表层不同，系统致力于解决语义层面的重复，通过将作者表述转写为学术概念短句进行结构化抽取 [7] - 采用查询扩展机制，针对提取的每条信息生成多个语义等价变体进行地毯式检索，以防止因单一表述差异导致的检索遗漏 [7] 四步分析流程 - 第一步：核心信息提取：从论文标题、摘要和引言中精准提取核心任务和若干具体贡献两类信息 [9] - 第二步：相关文献检索与筛选：基于提取信息自动生成包含同义词的搜索语句，利用WisPaper学术引擎进行地毯式搜索，初步检索可能召回数百至上千篇论文，经过去重、时间过滤与筛除弱相关文献后，形成约60–80篇候选论文集合 [11] - 第三步：层次化分析与证据比对：基于核心任务召回的候选论文构建层次化分类体系，以定位目标论文在研究脉络中的位置；针对每条贡献声明，在候选论文中进行逐篇对比，并给出“能反驳”、“无法反驳”或“存疑”三种结果，其中“能反驳”必须附带双方论文的原文摘录作为证据 [14][15][17][18] - 第四步：“新颖性调查报告”生成：整合前三阶段结果，生成包含论文核心任务、研究领域分类体系、每条创新声明的比对结果和证据以及综合新颖性评估叙述的报告 [20][21] 系统部署与公开验证 - 截至1月16日，团队已在系统上分析了1360篇投稿，并将所有生成的新颖性报告公开发布在官方网站，供任何人查阅分析结果、相关文献及判断依据 [24] - 团队计划将分析规模进一步扩展至2000+篇投稿，并持续优化系统，计划将其应用于其他AI顶级会议，并对收集的报告和评审证据进行深入分析 [24] 系统影响与定位 - 对审稿人：作为辅助工具，帮助梳理文献脉络，快速掌握论文在领域中的位置，从而将更多精力集中于研究意义、方法严谨性等需要人类专业判断的环节 [26] - 对论文作者：可作为投稿前的自查工具，若研究具备实质创新性可提供相关证据，若漏引重要文献亦能指出问题 [27] - 对学术界：提供了一种“可验证的新颖性评估”工程路径，用检索到的真实文献与贡献级证据对比来约束结论输出，使判断可被追溯与复核，推动AI成为负责任的知识引证者 [27] - 系统局限性：难以理解复杂的数学公式和图表；只能检索被索引过的论文，可能错过小众期刊或非英语出版物；“无法反驳”仅表示在检索范围内未找到，不等于确实不存在 [30] - 系统定位为第三方审计系统，旨在清洗迷雾、展示证据，而将最终的价值判断权留给人类审稿人 [31]