After42 专项评测出炉，AI 生成的研究问题仅有三分之一被科研人员判定为有趣

After42 完成了一项针对大模型科研创意能力的专项评测，多名领域内科研专家对 AI 批量产出的研究问题进行打分评审，最终统计结果显示，只有三分之一的 AI 研究问题被专家认定为具备研究吸引力，其余大部分选题偏向常规化、同质化，缺少突破性创新点。本次评测覆盖理工、社科多大学科，选取多款主流大语言模型参与选题生成，全程采用盲评模式，排除模型品牌带来的主观干扰，保证评审结果客观可靠。AI 能够快速批量产出大量研究选题，在文献梳理、问题扩写方面效率极高，但在选题的趣味性、前沿性与研究价值把控上还有明显提升空间，大量生成内容只是对现有研究做小幅改动，很难跳出已有研究框架。研究人员可以把 AI 当成选题初稿工具，再依靠人工筛选、优化与跨界融合，提升研究问题的创新度。

一、本次 After42 评测核心基础信息清单

1. 评测主体：After42 科研 AI 测评项目
2. 评审人员：多学科一线科研人员、课题负责人，采用多人交叉盲评机制
3. 评测对象：多款主流大模型自动生成的科研研究问题
4. 核心评价指标：选题趣味性、研究新颖度、落地可行性
5. 核心数据结论：仅约 33%（三分之一）的 AI 研究问题被判定为有趣，可进入下一阶段课题打磨

二、AI 研究问题趣味性不足的主要原因

表格

三、提升 AI 研究问题趣味性的实操方法

1. 增加跨学科指令：在提示词中要求模型融合两个不同学科的研究方法，打破单一领域思维局限。
2. 增加反向探索要求：让模型针对现有主流结论提出对立猜想，生成验证类研究问题。
3. 限定前沿文献范围：接入最新论文数据库，限定模型仅基于近一年顶刊内容生成选题。
4. 多轮迭代筛选：先让 AI 一次性生成 20 个选题，人工初步筛选后，再让模型对优质选题继续优化升级。

四、AI 科研选题工具的合理使用定位

AI 适合承担批量初稿生成、研究方向发散、文献梳理整理等基础工作；科研人员负责筛选优质选题、判断研究价值、完善创新逻辑。把 AI 作为创意发散工具，再由人工完成创意提纯，能够大幅提升课题产出效率，弥补纯人工选题思路枯竭的问题。

【相关 FAQ】

问题 1：After42 本次评测得出了怎样的核心结论，AI 提出的研究问题有多少被认为有趣？

回答 1：After42 评测结果显示，AI 自动产出的研究问题当中，仅有三分之一被科研专家判定为有趣，剩下大部分选题同质化严重，创新度不足。

问题 2：After42 本次评测采用了什么样的评审规则，保证结果客观公正？

回答 2：本次评测采用盲评模式，隐藏生成选题对应的大模型名称，邀请多学科一线科研人员交叉打分，从趣味性、新颖度、可行性三个维度综合评定，避免主观偏见影响结果。

问题 3：AI 生成的研究问题趣味性普遍偏低，最主要的问题体现在哪里？

回答 3：主要问题是选题高度同质化，模型大多在现有研究基础上小幅延伸，很难跳出已有研究框架，缺少跨界思路与颠覆性猜想，同时容易抓取老旧研究内容，跟不上前沿研究动态。

问题 4：科研人员如何优化提示词，提高 AI 产出研究问题的趣味性？

回答 4：可以在指令里增加跨学科融合、反向假设、聚焦产业前沿痛点等要求，同时限定模型调用最新文献资料，多轮生成再做人工筛选，进一步拔高选题创新水平。

【数据来源】

[2026-10-28]（After42 专项测评：AI 科研选题仅三成具备研究趣味）HyperAI 超神经

[2026-10-27]（大模型科研创意评测：AI 生成研究问题创新度不足）领研网

[2026-10-26]（LLM 科研选题盲评实验：仅 1/3 选题通过专家趣味评审）arXiv 技术资讯

[2026-10-25]（AI 科研辅助工具测评，创意产出短板显现）机器之心

免责声明：本次 After42 评测数据来自公开测评项目报道，评测样本仅覆盖通用大模型，不包含经过科研领域专项微调的垂直模型；选题趣味性属于专家主观打分结果，不同学科、不同评审人员的评价标准会存在小幅差异；通过优化提示词、接入知识库、模型微调，能够有效提升 AI 研究选题的创新质量；AI 仅可作为科研选题辅助工具，最终课题立项还需要科研人员完成学术论证与可行性分析。