Problem

雖然大型語言模型使研究構思變得更加容易，但有效的科研開發需要克服文獻實證、瓶頸識別、新穎性區隔與風險評估等多重門檻，單純生成候選方向已不足以應對嚴謹的學術需求。

Method

開發 ResearchStudio-Idea 技能套件，包含多源檢索工具 Paper-Search、新穎性檢查工具 Scoop-Check，以及核心工作流 IdeaSpark。該系統基於 2021 至 2025 年間 ICLR、ICML 與 NeurIPS 的 1,947 篇論文，歸納出 15 種可重複使用的構思模式。透過實證引導、衝突檢索與結果稽核，將抽象想法轉化為結構化且可追蹤的研究提案。

Results

盲測自動評鑑結果顯示，相較於無技能或通用型基準模型，IdeaSpark 能持續產出品質更強的研究提案，並在維持競爭性新穎度的同時，提供更清晰的研究背景、瓶頸分析與失敗模式預測。

Significance

此研究成功將頂尖會議的成功經驗與失敗模式轉化為可操作的模式，為學術研究的「第一哩路」提供了系統化工具，顯著提升了機器學習領域中產出新穎且嚴謹研究想法的效率與品質。