scite API 与 SciSpace API 对比:Smart Citations 与引用式答案
scite API 以 Smart Citation 分类为核心,将引用语句标注为支持、反驳、提及或未分类,并区分语句计数与引用文献计数;SciSpace API 则提供 Search API 与 Task API,后者由智能体规划检索、阅读、分析与写作,返回生成文件链接及带引用的文字答案。两者均能给出带引用的回答,差异在于前者提供出版物层面的引用证据,后者覆盖完整研究工作流。
按时间排列的全部内容。默认只显示通过双重评分的入选条目;切换到“全部收录”可以检索所有抓到的资料。
289 条收录动态,更新于 18:14
全部收录包含没有通过评分的资料,标题以常规字体显示并标为“未入选”,只供检索,不写入选理由。
scite API 以 Smart Citation 分类为核心,将引用语句标注为支持、反驳、提及或未分类,并区分语句计数与引用文献计数;SciSpace API 则提供 Search API 与 Task API,后者由智能体规划检索、阅读、分析与写作,返回生成文件链接及带引用的文字答案。两者均能给出带引用的回答,差异在于前者提供出版物层面的引用证据,后者覆盖完整研究工作流。
Semantic Scholar 官方文档显示,无密钥访问为未认证用户共享每秒 1000 次请求,入门级 API key 为每秒 1 次,超限即返回 429。修复应先为所有调用方加上 x-api-key 认证、批量合并已知标识符并统一调度重试节奏,再配合有上限的指数退避。批量匹配单次最多 1000 条、已知 ID 查询最多 500 个,检索每页最多 100 条、总计 1000 条结果。
清华大学公共管理学院蒙克在新书《错位:我们生活在巨大的时差里》中,用布尔迪厄“惯习”等社会学概念解释现代人的时差感,该书源自他六七年来讲授的社会学基础理论课讲稿。他提出科研考核存在三重错位:原始创新所需的长周期与年度化考核、科学初心与期刊影响因子导向、创新的涌现逻辑与计划逻辑。他认为AI拉平了文献梳理等学术执行力后,学界更需要给青年学者留出自由探索的时间。
Nature Methods 推出月度专栏 AI Bytes,面向生命科学研究者用通俗语言解释人工智能与深度学习概念,并附基础论文、教程和课程等权威延伸资源。首篇文章由斯坦福大学 Zijian Ma 与 James Zou 撰写,讨论生物基础模型;12 月第二篇将由卡内基梅隆大学 Xingjian Li 与 Min Xu 介绍常见 AI 架构及适用数据类型。
SciSpace 发布指南,讲解如何用 Python 调用 UniProt REST API 按字段查询 UniProtKB 蛋白记录、下载 FASTA 序列并分页处理结果。
SciSpace 发布 PRISMA 2020 流程图填写指南,逐框说明识别、筛选、纳入三阶段中记录、报告与研究三种计数单位的区别。文中以 Adelaide 大学 Dr. Faheem Ullah 的综述为例:从 6 个数据库检出 4634 条记录,经标题筛选、去重、摘要与全文筛选,再经滚雪球补充 5 项,最终纳入 74 项研究。
SciSpace 发布研究指南,对比快速综述与系统综述:快速综述沿用系统综述方法但简化部分步骤,如减少数据库、限制语种、由一名综述者加抽查替代两名独立综述者,通常耗时数周到数月而非一年以上。指南给出7步流程,并说明AI可辅助起草PICO、筛选标题摘要和提取数据,但每条纳入排除决定仍需人工复核。
SciSpace 发布研究指南,按 Miles(2017)的分类把研究空白分为证据空白、知识空白、实践—知识空白、方法学空白、实证空白、理论空白和人群空白 7 类,并给出 21 条示例表述。指南称有力的空白陈述需说明已知什么、缺什么、为何重要,并提供“已知—缺失—意义”三段式模板。文中示例为示意性写法,使用前需核查本领域实际文献。
SciSpace 发布研究论文讨论部分写作指南,给出 10 步流程:先用一两句话回答研究问题,再解读主要发现、与既往研究(含结论相左者)比较、解释意外结果、说明意义、交代局限及其影响,最后提出具体的后续研究方向。指南建议讨论篇幅与引言相当或略长,并列出审稿人常批的重复结果、过度推断、忽略相左研究等错误。文中称 AI 最适合用于查找支持或反驳各发现的对照研究并核对引用,解读仍应由作者自己完成。
SciSpace 发布统计检验选择指南,用四个问题把检验缩小到一两个选项:研究目的是比较组间、找关系还是预测结果,结果变量是连续、有序、分类、计数还是时间事件,组数与配对情况,以及是否满足参数检验假设。
SciSpace 发布研究指南,按疗法、诊断、预后、危害、预防等类型给出 15 个 PICO 问题示例,并附 PICOT、PICOS、PECO、SPIDER、SPICE 等变体模板。指南说明可将各要素的同义词用 OR 连接、要素间用 AND 连接构建检索式,并建议检索时省略结局要素以免漏检。文中还提到可用 AI 拆解 PICO 要素并生成多个版本,再从中挑选可回答且贴合领域的版本。
SciSpace 发布系统综述数据提取表免费模板,列出识别信息、研究设计、参与者、结局与测量方式、偏倚风险条目及数据出处等字段,并建议每个字段对应一个综述问题、先在 3–5 项研究上试用、由第二人核查关键数值。
SciSpace 发布文献综述矩阵使用指南,提供免费模板与示例,矩阵按来源逐行、按比较维度逐列(作者年份、方法、样本、发现、局限等),读文献时填写后横向对比可发现研究空白。指南给出虚构示例演示如何按主题而非逐篇写作,并说明可用 SciSpace 文献综述与自定义列自动生成表格,但每格需对照原文核验。
SciSpace 发布科研经费查找指南,建议先明确项目内容、职业阶段与资格,再从公共资助机构、私人基金会与慈善机构、所在机构及专业学会三类来源检索。
SciSpace 发布面向非英语母语研究者的英文论文阅读指南,提出 9 项策略:分轮次阅读(先摘要、图表与结论)、建立个人术语表、掌握论文常用套语与模糊限定词、选择性翻译后回到原文。指南建议让 AI 用简单英语解释段落并核对所依据的原句,再用自己的话写 3-5 句英文摘要;相关 webinar 还演示了用 Chat with PDF 就论文提问并核对原文。
Taylor & Francis 社区发展副总监 Victoria Corless 撰文指出,同行评审中依赖多年经验积累的隐性知识难以被明确规则化,因而难以交给 AI。
一位离开学术出版五年后重返 ScholarOne 的作者回顾行业变化:科研诚信已从议题变成核心,ScholarOne 将核查嵌入工作流,通过 Relay API 接入 Signals、Clear Skies 和 STM Integrity Hub,用 ImageTwin 检测图像操纵,并由 EditorialPilot 在同行评审启动前标记疑点。
弗吉尼亚大学文理学院与研究生院院长 Christa Acampora 在 Inside Higher Ed 播客中提出,AI 的兴起并未改变大学教育的宗旨,反而使其更清晰:当 AI 越来越能完成学生为第一份工作所需掌握的技能时,高校更应聚焦判断力、好奇心与完整人格的培养。
OpenAI 联合创始人兼总裁格雷格·布罗克曼在《华尔街日报》科技峰会(WSJ Tech)上表示,未来死亡或许会成为一种选择,并预计未来 12 至 18 个月 AI 有望推动生物学、医疗健康和疾病治疗领域取得重大突破。
北京大学博雅特聘教授董彬主张数学应走出数学、与AI共同进化,其团队开发的智能体Pharos在只输入问题的情况下自主找到宫冈洋一与森重文有理曲线判据的特征零代数证明思路,从项目创建到目标被系统接受约20小时,随后由数学合作者重写并核验。在273条已验证事实中,4条进入最终主定理依赖链。他还开展形式化“庞加莱猜想”工作,并提醒学生直接依赖AI完成课业会丧失高阶思维训练。
Terence Tao 在博客中汇总了近期围绕数学与 AI 的访谈和演讲,包括 BBC Science Focus 播客、SAIR Foundation 对谈、Nature 评论文章及 Science Friday 采访等。他同时表示博客正开放给更多客座作者,并披露部分报道与其 11 月 10 日将出版的新书有关。
Edison Scientific 与生物制药公司 Incyte 合作开发 Kosmos Target Assessment(Kosmos TA),这是其 AI Scientist 产品 Kosmos 的专用版本,用于评估药物靶点并筛选候选。
入选理由材料给出药企与 AI 公司合作定制靶点评估智能体的具体做法与内部评测结果,可供关注药物发现工作流的从业者参考。
菲尔兹奖得主陶哲轩在加州大学洛杉矶分校 Science x AI Summit 演讲中警告,人类正把思考委托给 AI,却逐渐失去对问题与解决方案的理解,后果可能很快在现实世界显现。他点名电网、航空交通管制、药物研发和芯片设计等领域,担心 AI 方案在数学模型中成立却偏离现实需求。他主张推动数学研究进入“Math 2.0”时代,让 AI 增强而非替代人类的理解与判断。
SSP 2026 年“AI in Scholarly Publishing Pulse Check”调查显示,多数学术出版机构已有至少一个在用的 AI 场景,但仅 3% 自认准备充分,伦理、法律风险、隐私、安全与人员能力仍是主要障碍。
Deloitte 数据显示,到 2030 年将有 190 款高收入药物失去专利保护,其中 36% 为高收入药物,约 2360 亿美元收入面临风险。
面对 ChatGPT 等 AI 工具让学生可随时获得协助,高校教师的核心角色应从传授内容或答疑引导,转为守护学生必要的认知挣扎。教师需为学生划定哪些任务可交给 AI、哪些必须独立完成,并据此重新设计学习成果。文中以伦理学课程为例,让学生先独立撰写案例摘要,再把 AI 当作苏格拉底式对话伙伴检验理解。
SciSpace 的 Task API 用一句自然语言研究任务即可完成检索、阅读、提取与带引用的写作,并返回生成文件链接;其检索覆盖 280M+ 论文索引及 Google Scholar、PubMed、arXiv,任务还可调用 Google Patents、临床试验注册库、基金数据库和 77 个公开科学数据库。
受论文《Sparks of Weight-Space Programming》启发,作者在笔记本上运行的 Qwen 3.8 27B 仅凭原始权重文本、无工具无代码执行,就识别出四个 10x10 网格游戏网络各自训练的游戏。
Simon Willison 撰文指出,AI 迫使教师改变教学与考核方式,但有效使用这些工具的教学方法仍极不明确。最棘手的是评估周期以年计:今天尝试的新教学机制要等当前这届学生 3-6 年后毕业才能得到可靠结论,学生实际上成了未经验证的新教学方式的试验对象。
一位1992年出生、确诊囊性纤维化(CF)的作者讲述自身治疗经历,并回顾Vertex Pharmaceuticals从结构导向设计转向筛选、最终做出CFTR调节剂的过程。