企业官网建设流程全解析

写论文前先跑一次'查重'：ResearchStudio scoop-check避坑指南，3个维度判断你的想法是否被做过

【免费下载链接】ResearchStudioResearchStudio: Our AI co-author, from research problem to final publication.项目地址: https://gitcode.com/gh_mirrors/re/ResearchStudio

ResearchStudio 是一个覆盖完整研究生命周期的 AI 协作者工具箱，其中的scoop-check技能就是为科研人打造的"论文查重"工具：在你动手写论文之前，系统性地检索已有文献，用3 个搜索维度+4 轴对比，帮你判断研究想法是否已经被做过，避免辛辛苦苦写完稿才在投稿时撞上"撞车"。

上图的横轴正是 scoop-check 的查重评分（scoop-check level，越高越新颖）——它也是官方用来给每个生成想法"验身"的核心技能。

为什么写论文前要先做一次"查重" 🤔

研究生涯中最痛的时刻之一，莫过于：

• 花了三个月做完实验，投稿后审稿人一句 "This has already been done in [某篇论文]"；
• 想法在组会时被质疑"和 XX 的工作有什么区别"，却说不清具体差在哪。

scoop-check 的价值，就是把这两次痛苦提前到动笔之前。它的工作方式很像论文查重，但查重对象不是文字，而是创新点本身：

scoop-check 是什么：3 个维度的文献检索 🔍

scoop-check 的完整定义见 ResearchStudio-Idea/skills/scoop_check/SKILL.md，它只需要你提供两样东西：

1. Research problem（研究问题）——你要解决的具体问题或知识缺口；
2. Novelty（创新点）——你认为区别于已有工作的具体贡献。

拿到之后，它会自动构造3 个互补的搜索维度，交给配套的 paper-search 技能 同时检索 arXiv、DBLP、OpenAlex、OpenReview、Semantic Scholar、Crossref 六大文献源：

三路结果合并去重后，还会补充模型记忆中召回的相关文献（关键词检索很容易漏掉领域内公认的"经典论文"），形成完整候选池。

7 步查重流程：从拆解创新点到出报告 📋

scoop-check 内部是一条 7 步流水线，对新手来说理解"它查了什么"比背步骤更有用：

1. 拆解创新点—— 把你的 Novelty 拆成 4 个原子维度：问题定义、核心机制、关键洞察、应用领域；
2. 搜索与去重—— 3 个维度并行检索，按标题去重，补入记忆召回文献；
3. 摘要初筛—— 对每篇候选论文按同样 4 个维度打 0–4 的重叠分；
4. 锁定高潜候选—— 重叠分 ≥ 2、核心机制撞车、或近两年同子领域的工作，进入精读名单（3–7 篇）；
5. 全文精读—— 通过 fetch_paper.sh 脚本下载 PDF 并抽取全文，逐一核对 4 个维度的真实情况（摘要会"藏"细节，这一步专门用来纠错）；
6. 对比打分—— 你的工作 vs 每篇已有工作逐轴对比，统计匹配数，映射到 5 级评分；
7. 写差异声明（Delta）—— 一句话回答审稿人最关心的问题："你和最接近的那篇工作差在哪？"

查重结果怎么读：5 级重叠度评分 ⚖️

scoop-check 的最终判定采用5 级体系（数字越大越新颖），取所有已有工作中最接近的那篇作为结论：

一个值得记住的原则：搜不到结果本身就是有价值的信号——彻底的检索无果，恰恰是新颖性的证据，scoop-check 会如实记录你用过哪些查询。

新手避坑清单：4 个最容易翻车的点 🚀

• 坑 1：只靠关键词搜索。关键词匹配对"换了个说法说的经典工作"基本失灵，scoop-check 因此会用模型记忆补充召回文献，并打上model-recall标记提醒后续核验——但绝不编造引用，宁可候选池小一些。
• 坑 2：只看摘要下结论。方法假设、实验范围、局限性往往只在正文里。所以第 5 步强制全文精读，摘要阶段的重叠分只用于初筛、不用于定案。
• 坑 3：连续轰炸 arXiv。三路查询分别命中 arXiv 时，检索模块会自动以 ≥ 4 秒间隔排队（跨进程文件锁），避免触发限流导致结果静默清零——不要绕过它直接调 arXiv。
• 坑 4：写不出 delta 就硬写。如果一句话说不清"你和最接近的工作差在哪"，说明想法大概率已被覆盖——这时正确的做法是换方向，而不是硬凑一句"我们将其扩展到了新场景"。

快速上手：安装并调用 scoop-check ✅

仓库是 MIT 协议的开源项目，先 clone 下来：

git clone https://gitcode.com/gh_mirrors/re/ResearchStudio cd ResearchStudio bash install.sh

安装脚本见 install.sh，它会自动装好原生工具与 Python 依赖。然后在支持技能的 Agent 里用自然语言即可触发，例如：

> /scoop-check Problem: efficient LLM inference. Novelty: a calibrated per-token early-exit stop rule read from the model's own layer-wise prediction trajectory.

也可以直接粘贴 IdeaSpark 生成的 idea card，scoop-check 会自动从 Motivation + Method 中读取创新点。

在官方的 100 个 ICLR-2026 Oral 问题种子基准测试中，IdeaSpark 生成的想法正是经过 scoop-check 查重后确认"高质量且保持新颖"，评测协议详见 ResearchStudio-Idea/evaluation/README.md。

相关文档与源码 📚

一句话总结：写论文之前，先让 scoop-check 用 3 个搜索维度替你查一遍"查重"——Level 3 以上放心写，Level 2 及以下就该停下重新打磨想法了。把撞车的成本从"三个月实验 + 被拒稿"降到"一次检索"，这就是它的意义。

【免费下载链接】ResearchStudioResearchStudio: Our AI co-author, from research problem to final publication.项目地址: https://gitcode.com/gh_mirrors/re/ResearchStudio