ResearchStudio-Idea: Een op bewijs gefundeerde suite van onderzoeksideatievaardigheden op basis van ML-conferentie-uitkomsten

Samenvatting

Grote taalmodellen hebben ideevorming voor onderzoek steeds toegankelijker gemaakt, maar effectieve ideeontwikkeling vereist meer dan het genereren van kandidaatrichtingen. Onderzoekers moeten een probleem verankeren in de huidige literatuur, betekenisvolle knelpunten identificeren, zich onderscheiden van bestaande oplossingen en risico's evalueren voordat ze zich vastleggen op implementatie. We presenteren ResearchStudio-Idea als een herbruikbare vaardighedensuite voor deze eerste mijl van onderzoeksideevorming. De suite omvat Paper-Search, een zelfstandige multi-bron literatuurzoekvaardigheid; Scoop-Check, een zelfstandige prior-art botsingscontrole voor nieuwigheidsclaims; en IdeaSpark, de end-to-end vaardigheid die bewijsgrondslag, patroongestuurde generatie, botsingsretrieval, audit en ideekaartweergave in één workflow samenbrengt. IdeaSpark is opgebouwd uit een corpus van 1.947 machine learning-conferentieartikelen verzameld van ICLR, ICML en NeurIPS tussen 2021 en 2025, inclusief Oral papers, een apart bijgehouden hoog-citerende subset en afgewezen inzendingen. Analyse van deze uitkomsten onthult 31 terugkerende subpatronen voor ideevorming, samengevoegd tot 15 herbruikbare ideevormingspatronen. Elk patroon is geoperationaliseerd als een gestructureerde kaart met onderzoekscontexten, knelpunttypes, differentiatiestrategieën, ondersteunende precedenten en veelvoorkomende faalwijzen. Gegeven een onderzoeksprobleem en een bewijsbundel, evalueert IdeaSpark de gereedheid van bewijs, reconstrueert de omringende onderzoekscontext, identificeert onopgeloste knelpunten, selecteert relevante patronen, instantieert één kandidaatrichting, haalt mogelijk conflicterend eerder werk op en voert uitkomsten-geïnformeerde audit uit. Deze workflow transformeert herbruikbare ideevormingspatronen in traceerbare onderzoeksvoorstellen. Blinde geautomatiseerde beoordelingsevaluaties tonen aan dat IdeaSpark consistent sterkere onderzoeksvoorstellen produceert dan basislijnen zonder vaardigheid en met generieke vaardigheid, terwijl het een concurrerende nieuwigheid behoudt.

English

Large language models have made research ideation increasingly accessible, yet effective idea development requires more than generating candidate directions. Researchers must ground a problem in current literature, identify meaningful bottlenecks, differentiate from existing solutions, and evaluate risks before committing to implementation. We present ResearchStudio-Idea as a reusable skill suite for this first mile of research ideation. The suite includes Paper-Search, a standalone multi-source literature search skill; Scoop-Check, a standalone prior-art collision checker for novelty claims; and IdeaSpark, the end-to-end skill that composes evidence grounding, pattern-guided generation, collision retrieval, audit, and idea-card rendering into one workflow. IdeaSpark is constructed from a corpus of 1,947 machine learning conference papers collected from ICLR, ICML, and NeurIPS between 2021 and 2025, including Oral papers, a separately tracked high-citation subset, and rejected submissions. Analysis of these outcomes reveals 31 recurring ideation sub-patterns, consolidated into 15 reusable ideation patterns. Each pattern is operationalized as a structured card containing research contexts, bottleneck types, differentiation strategies, supporting precedents, and common failure modes. Given a research problem and an evidence bundle, IdeaSpark evaluates evidence readiness, reconstructs the surrounding research context, identifies unresolved bottlenecks, selects relevant patterns, instantiates one candidate direction, retrieves potentially conflicting prior work, and performs outcome-informed auditing. This workflow transforms reusable ideation patterns into traceable research proposals. Blind automated-judge evaluations show that IdeaSpark consistently produces stronger research proposals than no-skill and generic-skill baselines while maintaining competitive novelty.