毕竟，当前知识迭代的速度，早已经超过了我们身为个体能够「迎头赶上」的速度，无论是在日常生活、公司生产中，还是在对交叉学科知识要求愈发高的科学研究中。 今天，学术君为大家安利一个学习提效 AI Agent——「AMiner 沉思」Deep Research 功能，其由清华团队 AMiner 自研，几分钟便可以自主调研上百篇文献，自动生成上万字研究报告，不仅涵盖了计算机科学、生物医学、纳米材料、量子光学等100+ 学科，还面向所有用户「免费」开放！ 「AMiner 沉思」基于 arXiv、PubMed 等全学科3 亿+文献调研，以及大模型初创公司智谱自研的 GLM-Z1-Rumination沉思模型，同时还针对科研全流程需求结合多步搜索推理进行了监督微调、强化学习训练，从而支持文献全面精准检索、研究报告、论文框架生成，为学者提供从文献精准定位到知识脉络解构的全链路科研支持。 例如，当输入提示词：「你是一个科研工作者，主要研究领域是呼吸系统疾病，阅读大量 PubMed、cell、science、nature 上的文献，详述自噬对肺纤维化的影响，从细胞和动物水平说明。」 「AMiner 沉思」不仅可以通过作者、期刊、发表年份等条件精准筛选文献，快速定位所需资源，还可以进一步理解科研学者的深层次意图，逐步自我学习，主动对自身检索结果进行全面尽调，确保检索及文献结果精准且无遗漏。 如下，「AMiner 沉思」以 3 分钟 40 秒完成多达 6 轮自主检索，查找并自主阅读 98 条中英双语文献及综述，完成多达 20 多步的系统反思、推导、验证、归纳，最终生成了一篇包含引言及综述的万字研究报告。 「AMiner 沉思」可以自主完成开放课题的动态数据分析及深度推理支持，能够将实时联网学术前沿动态与历史数据进行整合分析，帮助用户发现该课题下垂直领域中多视角最新研究趋势。 例如，输入“金属玻璃的研究进展”，「AMiner 沉思」会自行针对课题所涉研究对象挖掘历史发展进程、当前最新成果落地、材料制备的技术及适用领域，对未来技术应用趋势做出判断和分析并支持生成和导出适用于撰写不同论文格式的完整版报告(如 Word、Markdown)。 「AMiner 沉思」还能够结合不同学科的知识，自主建立跨学科知识图谱，在模型的深度推理和自我验证能力加持下，可以反复完善知识图谱，主动对列表进行“去伪存真”处理，并遍历可能存在的子案例，基于知识图谱自主归纳，协助学者“查漏补缺”，提供全面且深度的调研综述。 例如，在研究“人工智能与医学有哪些结合”时，模型可以同时调用医学和计算机科学的相关数据进行分析，逐步完善最终结果返回前的知识图谱。 对于 AMiner AMiner（https://www.aminer.cn/）是由清华大学计算机科学与技术系唐杰教授团队研发的具有完全自主知识产权的新一代科技情报分析与挖掘平台，包括 6000万学者、3.2 亿篇论文、1.7 亿件专利，利用 AI 和数据挖掘技术，提供学术检索、对话式搜索与问答、科研情报订阅、学者画像、必读论文专题、期刊顶会信息和排行榜等科技情报专业化服务，自 2006 年上线以来，年访问量 1500 万次，覆盖 220 个国家和地区的 1000 万用户，科研数据下载 230 万次，为 400 余个期刊提供推送服务，已成为全球领先的学术数据服务与 AI 科研工具。
