选题时，真正卡人的其实只有两件事

选题阶段，大多数人并不是完全没有想法，而是卡在两个地方：

1. 对领域现状和前沿没有整体认知

2. 很难判断哪些问题是「已经被做透的」，哪些还有改进空间

结果就是： 论文看了不少，但脑子里始终拼不出一个清晰的方向。

下面整理的是 2026 年不少研究生在用的一套工具组合，目标很明确： 在 3–5 天内，把一个模糊想法整理成可讨论、可汇报的选题框架。

一、WisPaper：用来做第一轮方向判断

入口：https://www.wispaper.ai/?utm_source=bilibili （复旦系团队做的 AI 学术搜索，很多实验室会用它做选题初筛）

使用方式很简单： 直接输入一句完整的研究想法，例如：

基于大模型的代码生成在低资源语言上的局限与改进方向

它主要做的事情是：

• 根据整体研究意图进行搜索，而不是关键词枚举

• 返回 20–30 篇相关度最高的论文，并按匹配度排序

• 每篇论文都有简短说明，包括研究贡献和可能的不足

• 同时可以看到一个初步的引用关系结构，用来判断该方向是否已经高度饱和

这个阶段的价值在于： 帮你快速回答一个问题——

这个方向现在大概处在什么位置？

很多人以前会在 Google Scholar 里反复换词，其实做的就是这一步，只是效率很低。

二、SciSpace：用来拆论文和找共性问题

在有了一份核心论文列表之后，并不适合马上全文精读。 更高效的做法是先做结构层面的理解。

SciSpace 的常见用法包括：

• 上传 PDF，自动生成背景、方法、结果、局限和未来工作

• 通过 Ask PDF 直接询问论文中的问题，例如：

• 主要限制是什么

• 是否在某些场景下效果不理想

• 同时分析多篇论文时，可以看到它们在问题设定或方法上的共性不足

一个比较常见的操作是： 把 WisPaper 筛出的 5–8 篇论文一起放进去，直接问：

这些工作中反复出现但尚未解决的问题是什么？

很多选题，其实就是从这些共性不足里自然浮现出来的。

三、Scite + Research Rabbit：验证新意和补全背景

1. Scite：判断一个想法是否真的“站得住”

Scite 的特点不是统计引用次数，而是区分引用语境，比如：

• 支持该结论的引用

• 与之对比或反驳的引用

• 仅提及但不评价的引用

在你有了初步研究假设后，用 Scite 看一下相关文献的引用态度， 可以避免走进一些已经被系统性质疑过的思路。

2. Research Rabbit：把零散论文连成一张图

选 1–2 篇代表性论文作为起点，它可以：

• 展开引用和被引关系

• 按时间查看研究主题的演变

• 显示主要作者和合作网络

• 设置提醒，持续跟踪新论文

这一部分的作用是： 让你对这个方向的历史、核心研究者和近期变化有整体感，而不是只盯着几篇论文。

总结

• 快速判断方向位置：WisPaper

• 理解论文结构与局限：SciSpace

• 验证想法是否成立：Scite

• 构建整体研究图景：Research Rabbit

选题本身并不神秘， 难的是在信息过载的情况下，快速建立结构化认知。 工具解决不了思考，但可以显著减少无效阅读。