ResearchStudio-Idea: Uma Suíte de Habilidades de Ideação de Pesquisa Fundamentada em Evidências a partir de Resultados de Conferências de ML

Resumo

Grandes modelos de linguagem tornaram a ideação de pesquisa cada vez mais acessível, porém o desenvolvimento eficaz de ideias exige mais do que a geração de direções candidatas. Pesquisadores devem fundamentar um problema na literatura atual, identificar gargalos significativos, diferenciar-se de soluções existentes e avaliar riscos antes de se comprometerem com a implementação. Apresentamos o ResearchStudio-Idea como um conjunto de habilidades reutilizáveis para essa primeira milha da ideação de pesquisa. O conjunto inclui o Paper-Search, uma habilidade independente de busca bibliográfica em múltiplas fontes; o Scoop-Check, uma habilidade independente de verificação de conflitos com trabalhos anteriores para alegações de novidade; e o IdeaSpark, a habilidade completa que compõe fundamentação de evidências, geração guiada por padrões, recuperação de conflitos, auditoria e renderização de cartões de ideias em um único fluxo de trabalho. O IdeaSpark é construído a partir de um corpus de 1.947 artigos de conferências de aprendizado de máquina coletados do ICLR, ICML e NeurIPS entre 2021 e 2025, incluindo artigos Orais, um subconjunto de alta citação rastreado separadamente e submissões rejeitadas. A análise desses resultados revela 31 subpadrões recorrentes de ideação, consolidados em 15 padrões de ideação reutilizáveis. Cada padrão é operacionalizado como um cartão estruturado contendo contextos de pesquisa, tipos de gargalos, estratégias de diferenciação, precedentes de apoio e modos comuns de falha. Dado um problema de pesquisa e um conjunto de evidências, o IdeaSpark avalia a prontidão das evidências, reconstrói o contexto de pesquisa circundante, identifica gargalos não resolvidos, seleciona padrões relevantes, instancia uma direção candidata, recupera trabalhos anteriores potencialmente conflitantes e realiza auditoria informada pelos resultados. Esse fluxo de trabalho transforma padrões de ideação reutilizáveis em propostas de pesquisa rastreáveis. Avaliações cegas com juízes automatizados mostram que o IdeaSpark produz consistentemente propostas de pesquisa mais fortes do que as linhas de base sem habilidade e com habilidade genérica, mantendo uma novidade competitiva.

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.