SciMuse 用 5800 万篇论文知识图谱加 LLM 生成个性化科研想法，100 余位研究组长对 4400 余条想法打分均值仅 2.40（5 分制），但 24.9% 获 4 分或 5 分
作者提出 SciMuse，用包含 5800 万篇论文的知识图谱与大语言模型生成个性化科研想法，并邀请超过 100 位横跨自然科学到人文领域的研究组长对 4400 余条想法按兴趣程度评分，结果显示专家评分整体温和（5 分制均值 2.40，最常见评分为 1），24.9% 的想法获 4 分或 5 分；用知识图谱选出的概念对并未比仅用标题的 GPT 基线提升专家兴趣评分，高引用预测的概念对甚至呈现弱趋势（1.94σ）低于随机概念对；但图谱特征可用于控制想法属性，且基于图谱特征的监督神经网络与基于 LLM 的零样本排序都能预测想法兴趣度。