材料处理量的增长，不等于理解的增长。摘要能够缩短准备时间，不能替代研究判断。AI辅助阅读的价值，应当体现为更充分的证据、更准确的解释与更有针对性的问题。
艺术评价需要区分产物与过程，学术研究同样如此。一份完整综述可以成为研究的起点，却不会因为结构齐全就自动获得学术效力。
文献能力的增长，应当充分使用
AI可以扩展检索表达，整理书目，定位相关段落，比较译名与术语，协助建立争论关系。跨语言、跨版本和跨时期的材料，因此更容易进入同一项研究。
检索增强生成把材料检索与回答组织连接起来，允许研究者限定语料范围，并要求分析对应具体出处。原始论文
这类支持降低重复整理的成本，也扩大可行课题的范围。研究者可以比较更多材料，追查更多线索，把时间投入此前成本较高的细读。它的贡献不必限于更快获得一份综述。
较可靠的中间成果包括段落索引、版本对照、概念用例表和解释分歧记录。它们能够回到原文，接受复核，并为后续研究继续使用。相比不断增加摘要，这些产物更有积累价值。
接收材料与使用材料，需要分别检验
输入范围扩大，不保证重要细节都进入最终解释。2024年的《Lost in the Middle》发现，在所测试的模型与任务中，相关信息的位置会影响表现。这是特定时期的证据，不能据此断言新系统具有同样缺陷，却提示长文本利用需要单独评价。研究
解释还有其他困难。范围条件可能在归纳中消失，同一术语的不同用法可能合并，转述的异议可能被当成作者主张。材料仍在，论证关系已经改变。
因此，核查不能只看篇目齐不齐，还要看判断与依据是否对应。原文位置、限定条件和相反材料，应当与关键解释保持联系。
能够返回原文的分析，才便于继续推进研究。
用工具增加反驳，而非只增加支持
AI可以协助寻找既有解释不能容纳的段落，并置术语在不同语境中的作用，比较分类无法覆盖的材料。这使解释持续面对原文，减少只收集支持证据的倾向。
同一方法也适用于政策与访谈研究。支持某项主题的表达与限制它的材料同时进入分析，分歧便可以成为研究对象。材料规模扩大以后，仍然保留不一致，比形成整齐结论更重要。
研究者的理解也不必等同于记忆全文。学术工作一直借助笔记、数据库和共同体。关键在于，研究者能否说明接受某项判断的理由，定位决定性材料，并在反例面前修订。
AI使外部支持更强，也更容易把检索、解释与评价压缩成同一种语气。把三者重新分开，能够确定工具贡献了什么，以及研究者还需完成什么。
阅读的终点不由处理篇数决定。它体现为判断有所改变，而且这种改变有据可查。材料可以交给系统处理，研究仍要对理解的增量负责。
参考资料与延伸阅读：
发表评论