Elicit

定义

Elicit 是一款面向科研人员的 AI 研究助手，由美国非营利机器学习研究实验室 Ought 开发并孵化，后作为独立的公益公司运营^[1]。它的基本用法是让用户以自然语言提出研究问题，系统据此返回最可能回答该问题的学术论文，并对这些论文做逐篇摘要、分类与信息提取^[1]。

与只做关键词匹配的传统学术搜索不同，Elicit 建立在大型语言模型之上，因此能在用户用词与论文用词不一致时仍找到相关文献^[4]。它把检索、摘要、分类、抽取、批判性引用查找等子任务组合成一条工作流，模仿系统综述的既有规范，最终输出可筛选、可导出的结构化结果表^[5]。

原理

Elicit 的架构以监督推理过程而非监督结果为思路，即不把大量「问题—综述」样本端到端训练成一个模型，而是先研究专家做文献综述时的推理步骤，再把每个步骤分别建模，最后把它们连接成完整流程^[6]。按开发方的描述，一条文献综述工作流大约由 10 个左右的子任务组成，包括检索、摘要与改写、分类、信息抽取和批判性引用查找^[6]。

具体执行时，语义检索模块负责在学术数据库中找到与提问相关的论文，即便关键词并不重合；摘要模块逐篇阅读摘要，用一句话回答用户提出的问题；分类模块判断某篇摘要对是非型提问的答案为「是」还是「否」，并识别该文是否为随机对照试验、系统综述或元分析；抽取模块从摘要中提取样本人群、研究地点、干预措施和测量结局等信息^[6]。由于这些子任务可被单独调用，用户既能使用整条工作流，也能只运行其中某一项^[6]。

为降低语言模型编造内容的概率，开发方曾从少样本提示转向对摘要问答模型做微调，并用质量逐步提高的数据集反复训练以减少「幻觉」^[6]。在结果呈现上，Elicit 为 AI 生成的每条断言提供句级引用，并允许用户展开查看答案对应的原文片段^[7]。

发展历程

Ought 由安德烈亚斯·施图尔姆勒(Andreas Stuhlmüller)创立，他在麻省理工学院取得计算认知科学博士学位、并在斯坦福做过博士后，随后创办了这家以「用机器学习支持思考与反思」为目标的非营利机构^[8]。Elicit 是 Ought 孵化的项目，由施图尔姆勒与郑元俊(Jungwon Byun)共同推动，初期定位是帮助研究者检索论文、就论文提问并归纳其结论^[9]。

2021 年期间，团队把检索、摘要、分类等研究基本步骤操作化为语言模型任务，并搭建了用于执行语言模型任务组合的流式执行引擎；据 Ought 在 2022 年 4 月的回顾，当时每月约有 1500 人使用 Elicit^[6]。同一时期，Elicit 的技术路线被写入经合组织关于人工智能与科学的报告，作为语言模型用于科研工具的案例^[5]。

2024 年 3 月，Elicit 推出 Notebooks，把检索、摘要与系统综述整合到同一个页面中。2025 年 2 月，Elicit 宣布完成 2200 万美元 A 轮融资，计划从学术界扩展到更广泛的行业，构建面向循证推理的 AI 基础设施。同月，系统综述工作流上线，随后 Reports 功能于 2025 年 2 月 26 日发布。

2025 年 7 月，临床试验数据被纳入 Elicit，可检索并汇总相关试验注册信息。2025 年 12 月，面向高影响决策的 Elicit Research Agent 发布，能够跨科学文献、临床试验、专利、监管文件与网络来源收集证据并产出带引用的报告、表格与图表^[10][11]。2026 年，Elicit 称其系统综述工作流已支持 PRISMA 2020 规范。

应用

Elicit 的主要使用场景是文献综述。用户提出诸如某干预措施有何影响之类的实证型问题后，系统返回相关论文列表，并把样本人群、干预、结局等要素整理进可自定义列的表格，便于跨研究比较^[1]。此外它还提供头脑风暴研究问题、推荐检索同义词、摘要归纳等独立任务，研究者也可以上传自己的论文或连接 Zotero 文献库进行分析^[1][2]。

在系统综述与证据综合环节，Elicit 可针对检索式返回候选研究、自动生成筛选标准并逐篇打分，把通常需数月的流程大幅压缩^[3]。研究者报告，其在成本核算、撰写项目申请、为传统检索提供种子文献以及判断是否会出现「空综述」等前期工作中较有价值^[3]。

在生命科学与医药领域，Elicit 被用于适应证优先级排序、临床试验设计、实验室研究与专利调研等工作；有临床研究人员表示，原本需要数周的文献调研被缩短到数天^[10]。在高等教育中，它被高校图书馆列为可供学生、教师与研究人员使用的 AI 文献工具，并配有面向教学的使用指南^[12][2]。

局限

独立评估显示，Elicit 的检索灵敏度尚不足以替代传统系统综述检索。一项以 4 个证据综合案例为对象的研究测得，Elicit 的平均灵敏度约为 39.5%，而系统综述检索通常要求达到 90% 以上；同期其平均精确率约为 41.8%，高于原综述手工检索的 7.55%^[3]。这意味着它更容易找到命中率高的少量文献，却会漏掉相当比例的应纳入研究，因此更适合作为辅助手段而非唯一检索途径^[3]。

流程透明度也受到质疑。传统系统综述要求检索策略完全可复现，但该研究指出 Elicit 未公开底层的数据库检索式，编辑前的筛选标准版本历史也不可见，导致检索过程难以被完整复现^[3]。在具体筛选中还出现过已设定发表年份限制、仍有更早文献被判为合格，以及重复记录被当作两篇独立研究分别打分的现象^[3]。

数据来源范围同样构成限制。早期版本的 Elicit 仅检索 Semantic Scholar 收录的出版物，而该库不覆盖需授权的期刊或付费墙后的内容，因此检索结果存在文献缺口^[1]。另有研究结合 7 个系统综述的数据抽取任务发现，提示词必须反复微调并独立验证，且在不同账户间重复抽取时，虽在数值上达到 90% 一致，但支撑引文与推理理由的一致率仅为 46% 和 30%，说明该工具可补充、但不能取代人工抽取^[13]。

由于底层依赖大型语言模型，Elicit 的输出存在被「幻觉」影响而部分或整体不准确的可能^[4]。此外，Elicit 持续更新，同一问题在版本变动前后可能给出不同答案，这一点也为任何针对其性能的评估带来不确定性^[3]。

参见

• 大型语言模型 —— Elicit 的检索、摘要与抽取能力建立在这类模型之上。

• Semantic Scholar —— Elicit 早期检索的学术文献主要来自该数据库。

• 系统综述 —— Elicit 的工作流设计以该研究规范为蓝本。

• 幻觉（人工智能） —— 语言模型编造看似合理但不准确内容的现象，是 Elicit 输出可靠性的主要风险来源。

• 检索增强生成 —— 借助外部文献来源约束模型输出的技术路线，与 Elicit 的句级引用机制相关。

• 文献计量学 —— 对学术文献进行量化分析的领域，与 Elicit 面向的文献调研任务相邻。