這項(xiàng)由耶路撒冷希伯來大學(xué)計算機(jī)科學(xué)與工程學(xué)院聯(lián)合該校法學(xué)院、以及艾倫人工智能研究所共同完成的研究，以預(yù)印本形式發(fā)布于2026年4月10日，論文編號為arXiv:2604.09237。有興趣深入了解的讀者可以通過該編號在arXiv平臺上查閱完整論文。

**研究背景：學(xué)者們每天都在做一件極其費(fèi)力卻又不得不做的苦差事**

每當(dāng)一位學(xué)者想要回答一個有意義的研究問題，往往要先經(jīng)歷一段漫長而痛苦的準(zhǔn)備過程。以一位法學(xué)教授為例，他想搞清楚一件事：由不同屆美國總統(tǒng)任命的法官，在處理移民禁令案件時，判決傾向是否存在差異？聽起來是個很有價值的問題，但要回答它，首先得把數(shù)百份法庭判決文書一份一份翻出來，手動設(shè)計一張"記錄表"（也就是所謂的注釋模式，即annotation schema），決定要記錄哪些信息——是任命總統(tǒng)？判決結(jié)果？還是法官的資歷？然后再招募助理，一條一條地把數(shù)據(jù)從文書中抄錄下來，填進(jìn)表格。這個過程往往需要耗費(fèi)數(shù)月乃至數(shù)年，而且充滿了人為失誤的風(fēng)險。

這種"先設(shè)計表格、再人工填表"的流程，在法學(xué)、生物學(xué)、計算機(jī)科學(xué)等眾多學(xué)科中普遍存在。研究人員每天面對的，是一座座由文字堆砌成的山，卻只能用手鏟一點(diǎn)點(diǎn)挖掘。更麻煩的是，表格里記錄什么字段，往往取決于研究者自身的知識儲備和對文獻(xiàn)的了解程度——如果某個重要因素沒有被想到，就會永遠(yuǎn)缺失在數(shù)據(jù)庫里，影響最終分析的準(zhǔn)確性。

正是為了解決這個問題，來自耶路撒冷的研究團(tuán)隊(duì)開發(fā)了一套名為ScheMatiQ的框架。這套系統(tǒng)的核心思路，可以用一句話來概括：你只需告訴它你想研究什么，以及你手上有哪些文件，它就能幫你自動設(shè)計記錄表格，并把相關(guān)數(shù)據(jù)從文件里提取出來，形成一個結(jié)構(gòu)化的數(shù)據(jù)庫。

**一、這套系統(tǒng)到底在做什么：從一個問題到一張有意義的表格**

理解ScheMatiQ最直接的方式，是跟著它的工作流程走一遍。假設(shè)你是那位研究移民案件的法學(xué)教授，手上有89份美國法院判決文書，你的問題是：不同總統(tǒng)任命的法官，判決傾向有無差異？

ScheMatiQ接收到你的問題和這批文書后，會依次完成三件事。

第一件事，是弄清楚"你的問題在問誰"。這聽起來有點(diǎn)玄，但實(shí)際上非常關(guān)鍵。研究者的問題，有時候是在問某一類具體的對象——在上面這個例子里，問的是"法官"這個群體；換一個問題，比如"移民禁令案件的結(jié)果受法院級別影響嗎"，那關(guān)注的核心對象就變成了"庭審案件"本身，而不再是法官個人。ScheMatiQ把這個核心對象稱為"觀察單元"（observation unit），并通過閱讀研究問題和一批示例文件，用AI模型自動判斷出它是什么。這一步的輸出非常具體：一個名稱（比如"Judge，法官"）、一段描述（"在所提供法律文件中參與該案的單個法官個體"），以及幾個具體例子（如"Ruth Bader Ginsburg"、"Antonin Scalia"）。

確定了"在問誰"之后，第二件事是設(shè)計記錄表格的列，也就是"發(fā)現(xiàn)模式"（schema discovery）。系統(tǒng)會批量閱讀文件，每處理一批，就向AI提一個問題："這批文件里，有沒有什么信息是對回答研究問題有幫助的，但還沒被記錄進(jìn)表格里？"如果有，就把它加進(jìn)去；如果沒有新信息，就繼續(xù)處理下一批，直到所有文件都讀完，或者新字段不再出現(xiàn)為止。這個過程就像一個經(jīng)驗(yàn)豐富的研究助理在讀文獻(xiàn)時，邊讀邊往便利貼上記錄關(guān)鍵發(fā)現(xiàn)，最后整理成一張完整的提問清單。

第三件事，是用這張清單去逐一填表，也就是"結(jié)構(gòu)化數(shù)據(jù)提取"（structured data extraction）。系統(tǒng)對每份文件，先識別出其中提到了哪些觀察單元實(shí)例（哪些法官出現(xiàn)在了這份判決書里），再對每個實(shí)例，嘗試把表格里所有字段一次性填完。如果某些字段沒有填上，系統(tǒng)會專門針對這些字段再做一次更有針對性的提取，直到實(shí)在找不到證據(jù)為止。最重要的是，每一個填入的數(shù)據(jù)，都必須附帶"出處"——即原文中支撐該數(shù)據(jù)的具體文字段落，研究者可以隨時點(diǎn)擊查看，驗(yàn)證數(shù)據(jù)的來源是否準(zhǔn)確。

**二、人始終握著方向盤：系統(tǒng)不是在替代研究者，而是在輔助他們**

ScheMatiQ的設(shè)計哲學(xué)中，有一個非常重要的堅持：人不能被系統(tǒng)架空。研究者在整個過程的每一個節(jié)點(diǎn)，都保留著干預(yù)和修改的權(quán)利。

在觀察單元發(fā)現(xiàn)這一步，如果系統(tǒng)猜錯了研究對象——比如把"法官"誤認(rèn)為"案件"——研究者可以直接在界面上修改，甚至完全手動指定。在模式發(fā)現(xiàn)這一步，研究者可以增加字段、刪除字段、修改字段的定義，或者把意義相近的字段合并。如果研究者之后又獲得了新的文件，還可以把它們繼續(xù)投入系統(tǒng)，讓系統(tǒng)在已有表格的基礎(chǔ)上，發(fā)現(xiàn)是否有新的字段值得添加。在數(shù)據(jù)提取這一步，研究者可以對任何一個單元格的值進(jìn)行修改，確保最終數(shù)據(jù)庫里的每一條記錄都經(jīng)過了人工核查。

這種"AI提議、人來拍板"的協(xié)作方式，研究團(tuán)隊(duì)稱之為"Human-in-the-Loop"，可以理解為"人在回路中"。核心邏輯是：AI擅長大規(guī)模、快速地掃描文本，發(fā)現(xiàn)人類因?yàn)榫τ邢薅赡芎雎缘淖侄危坏芯空卟耪嬲私膺@個領(lǐng)域的邏輯，知道哪些字段是有意義的，哪些其實(shí)是噪聲。兩者結(jié)合，才能產(chǎn)出既覆蓋面廣、又在專業(yè)上站得住腳的數(shù)據(jù)庫。

系統(tǒng)還有一個網(wǎng)頁界面，提供了可視化的操作環(huán)境——研究者可以在界面上直接看到觀察單元的識別結(jié)果、字段列表的定義和依據(jù)，以及提取出的數(shù)據(jù)表格，點(diǎn)擊任意單元格還能查看支撐該數(shù)據(jù)的原文節(jié)選。這讓整個流程不僅自動化程度高，而且透明可追溯。

**三、在真實(shí)的研究場景里，它到底好不好用？**

研究團(tuán)隊(duì)選擇了兩個截然不同的真實(shí)領(lǐng)域來檢驗(yàn)ScheMatiQ的能力，這兩個領(lǐng)域代表了兩種不同類型的挑戰(zhàn)。

第一個是法學(xué)領(lǐng)域。團(tuán)隊(duì)使用了由法學(xué)學(xué)者Klerman于2025年發(fā)布的研究數(shù)據(jù)集，包含89份美國法院關(guān)于移民政策的判決書，研究問題是：不同總統(tǒng)任命的聯(lián)邦法官，在移民禁令案件中的投票傾向是否存在差異，特別是特朗普任命的法官是否更傾向于支持特朗普政府的移民政策？這個問題的挑戰(zhàn)在于：法律文件篇幅長，論證結(jié)構(gòu)復(fù)雜，核心信息往往隱藏在大段的法律推理之中。人工標(biāo)注時，Klerman的團(tuán)隊(duì)為每份文件標(biāo)注了法官姓名、任命總統(tǒng)、以及判決結(jié)果這三個字段。

第二個是計算生物學(xué)領(lǐng)域。團(tuán)隊(duì)使用了一個叫做NESdb的數(shù)據(jù)庫，其源文獻(xiàn)是96篇關(guān)于蛋白質(zhì)核輸出信號（Nuclear Export Signal，簡稱NES）的科學(xué)論文。研究問題是：給定一個蛋白質(zhì)序列，能否判斷它是否含有核輸出信號？如果含有，信號的強(qiáng)度如何，可信度又有多高？這個領(lǐng)域的挑戰(zhàn)與法學(xué)完全不同：蛋白質(zhì)研究涉及大量數(shù)值數(shù)據(jù)、實(shí)驗(yàn)參數(shù)和高度專業(yè)化的技術(shù)細(xì)節(jié)，需要從密集的科學(xué)描述中精確提取定量信息。

兩個領(lǐng)域的實(shí)驗(yàn)都基于一個公平的比較框架：研究者手上既有人工整理的"金標(biāo)準(zhǔn)"數(shù)據(jù)庫（Gold Schema），也有ScheMatiQ自動生成的結(jié)果。首先比較兩者在字段上的重疊程度，再讓領(lǐng)域?qū)＜覍cheMatiQ獨(dú)有的新字段進(jìn)行價值評估。

**四、數(shù)字背后的故事：ScheMatiQ發(fā)現(xiàn)了哪些人類遺漏的寶藏？**

實(shí)驗(yàn)結(jié)果揭示了一個相當(dāng)有趣的規(guī)律，可以用一張"維恩圖"來理解。在法學(xué)領(lǐng)域，人工數(shù)據(jù)庫和ScheMatiQ的字段集合并不是完全重合的兩個圓，而是大量重疊、各有一部分獨(dú)有的兩個圓。具體來說，ScheMatiQ覆蓋了人工數(shù)據(jù)庫中絕大多數(shù)字段（只有兩個相對寬泛的"雜項(xiàng)"字段沒被納入），同時還自行發(fā)現(xiàn)了一批人工標(biāo)注中沒有記錄的新字段，這些新字段占到了ScheMatiQ總字段的31%。在計算生物學(xué)領(lǐng)域，這一比例是32%。

這些新字段有沒有價值，不是系統(tǒng)自己說了算，而是由領(lǐng)域?qū)＜襾泶蚍值?。法學(xué)領(lǐng)域的新字段平均獲得了3.6分（滿分5分），計算生物學(xué)領(lǐng)域的新字段平均獲得了4.2分。換句話說，超過七成的新字段被專家認(rèn)為是有實(shí)際研究價值的。其中，法學(xué)領(lǐng)域的新字段包括法院裁決的法律依據(jù)、禁令的適用范圍、以及被挑戰(zhàn)的政策所屬的總統(tǒng)任期等；計算生物學(xué)領(lǐng)域的新字段則涉及NES（核輸出信號）序列的突變描述、調(diào)控機(jī)制等更精細(xì)的維度。

這說明了一件很有意思的事：人工設(shè)計表格時，受限于精力和經(jīng)驗(yàn)，往往只記錄了"最顯而易見"的字段，而ScheMatiQ通過大規(guī)模掃描整個文獻(xiàn)庫，能夠發(fā)現(xiàn)那些"分布在邊角文字里、不那么顯眼但同樣重要"的信息維度。

**五、研究問題和文件缺一不可：只有兩者結(jié)合，才能看清真正有用的字段**

研究團(tuán)隊(duì)還做了一個很有說服力的對照實(shí)驗(yàn)，用來回答一個問題：ScheMatiQ之所以能發(fā)現(xiàn)好的字段，究竟是因?yàn)檠芯繂栴}引導(dǎo)了它，還是因?yàn)槲募屗吹搅司唧w內(nèi)容，還是兩者缺一不可？

他們設(shè)計了三種輸入條件：只給研究問題、只給文件、同時給研究問題和文件。結(jié)果顯示，單獨(dú)輸入研究問題時，系統(tǒng)生成的字段傾向于高度抽象和通用，例如"法官姓名"或"蛋白質(zhì)ID"——這些字段聽起來沒錯，但過于寬泛，缺乏具體研究語境下的細(xì)節(jié)；單獨(dú)輸入文件時，系統(tǒng)確實(shí)能發(fā)現(xiàn)文件里存在的具體信息，但這些信息不一定和研究者真正關(guān)心的問題掛鉤，容易產(chǎn)生大量"跑題"的字段；只有同時輸入研究問題和文件，系統(tǒng)才能生成既有具體細(xì)節(jié)、又與研究目標(biāo)高度相關(guān)的字段——例如"移民政策背景"（Immigration Policy Context）或"突變描述"（Mutation Description）。

值得關(guān)注的是，在三種輸入條件產(chǎn)生的字段中，幾乎沒有三方都共同擁有的字段（即三圓維恩圖中間的交集幾乎為零）。這意味著，真正有價值的、面向具體研究問題的字段，并不是單靠問題或單靠文件就能發(fā)現(xiàn)的，必須是兩者結(jié)合才能"化學(xué)反應(yīng)"般地涌現(xiàn)出來。

**六、找人的準(zhǔn)確率怎么樣：大多數(shù)情況下相當(dāng)可靠，但高密度文件是軟肋**

除了表格設(shè)計，研究團(tuán)隊(duì)也評估了系統(tǒng)在"識別觀察單元實(shí)例"這一環(huán)節(jié)的表現(xiàn)，也就是：在一份文件里，系統(tǒng)能正確找到多少個目標(biāo)對象？

在計算生物學(xué)領(lǐng)域，ScheMatiQ識別出了87%的蛋白質(zhì)；在法學(xué)領(lǐng)域，識別出了74%的法官。更重要的是，在兩個領(lǐng)域中，系統(tǒng)的精確率都接近100%——它找到的對象幾乎都是真實(shí)存在的，基本沒有"認(rèn)錯人"的情況。

但問題出在哪里呢？研究團(tuán)隊(duì)做了細(xì)致的錯誤分析，發(fā)現(xiàn)漏識別幾乎全部集中在"單個文件里涉及非常多觀察單元"的情況下——也就是高密度文件。當(dāng)一份文件只涉及一個或少數(shù)幾個研究對象時，系統(tǒng)的識別率接近滿分；但當(dāng)一份文件里涉及大量不同的法官或蛋白質(zhì)時，系統(tǒng)就容易遺漏其中一部分。這是一個明確的改進(jìn)方向，研究團(tuán)隊(duì)也在論文中指出，未來工作可以專門針對這類高密度文件設(shè)計更有效的識別策略。

**七、系統(tǒng)的技術(shù)構(gòu)成：一個可以被研究者直接使用的開放工具**

從技術(shù)實(shí)現(xiàn)角度來看，ScheMatiQ的架構(gòu)分為三層。最外層是一個用React和TypeScript構(gòu)建的網(wǎng)頁前端，讓研究者可以在瀏覽器里完成所有操作，無需寫代碼；中間層是一個FastAPI構(gòu)建的后端服務(wù)，負(fù)責(zé)處理所有計算任務(wù)，并通過WebSocket向前端實(shí)時推送處理進(jìn)度；最內(nèi)層是一個獨(dú)立的Python核心庫，封裝了觀察單元發(fā)現(xiàn)、模式發(fā)現(xiàn)和數(shù)據(jù)提取三大核心模塊。

在AI模型的選擇上，研究團(tuán)隊(duì)在實(shí)驗(yàn)中使用了Google的Gemini-2.5系列——具體來說，模式發(fā)現(xiàn)和觀察單元發(fā)現(xiàn)使用Gemini-2.5-flash，數(shù)據(jù)提取使用計算成本更低的Gemini-2.5-flash-lite。兩個領(lǐng)域的完整實(shí)驗(yàn)（法學(xué)89份文件、計算生物學(xué)96篇論文）的總計算費(fèi)用大約是每100份文件1美元，這個成本對于大多數(shù)研究項(xiàng)目來說是完全可以接受的。

如果研究者希望使用其他模型，也可以通過提供API密鑰來接入Together.ai平臺支持的任何模型；如果出于數(shù)據(jù)隱私考慮，希望在本地運(yùn)行，系統(tǒng)還支持通過HuggingFace Transformers庫加載開源模型。系統(tǒng)本身完全開源，代碼和網(wǎng)頁界面均已公開，研究者可以直接通過www.ScheMatiQ-ai.com訪問并使用。

**關(guān)于可復(fù)現(xiàn)性與隱私的坦誠說明**

研究團(tuán)隊(duì)在論文中對兩個潛在問題進(jìn)行了坦率的說明。第一個是可復(fù)現(xiàn)性問題：由于使用了閉源的商業(yè)API，即使固定了所有參數(shù)，不同時間運(yùn)行的結(jié)果也可能存在細(xì)微差異——這可能是模型內(nèi)部的隨機(jī)采樣造成的，也可能是服務(wù)商悄悄更新了模型。這種差異通常很小，主要體現(xiàn)在字段命名的措辭或數(shù)值提取的邊界情況上，但確實(shí)無法保證完全一致的輸出。使用本地部署的開源模型可以在一定程度上緩解這個問題。第二個是數(shù)據(jù)隱私問題：系統(tǒng)默認(rèn)不存儲任何用戶上傳的文件或提問內(nèi)容，只有在用戶明確選擇"同意為研究目的留存數(shù)據(jù)"時，才會進(jìn)行記錄。這對于處理敏感文件（如未發(fā)表的法律文書或機(jī)密實(shí)驗(yàn)數(shù)據(jù)）的研究者來說，是一個重要保障。

說到底，ScheMatiQ做的事情可以用一個樸素的比喻來描述：以前，研究者面對一座文字構(gòu)成的山，要靠自己一行一行地讀、一條一條地填，設(shè)計表格、填寫數(shù)據(jù)全憑個人經(jīng)驗(yàn)和精力。ScheMatiQ的出現(xiàn)，相當(dāng)于給研究者配備了一個"初步讀文獻(xiàn)的助手"——這個助手速度極快，能在短時間內(nèi)讀完數(shù)百篇文獻(xiàn)，提煉出關(guān)鍵維度，并把數(shù)據(jù)初步填入表格；然后把這張初稿交給研究者，由人來審核、修正、補(bǔ)充，做出最終決策。

這種人機(jī)協(xié)作的模式，對于任何需要從大量文字材料中提取結(jié)構(gòu)化信息的研究場景，都有潛在的價值。無論是社會學(xué)者分析調(diào)查報告、歷史學(xué)者梳理檔案文獻(xiàn)，還是醫(yī)學(xué)研究者整理臨床病例，背后的核心痛點(diǎn)都是相同的：問題明確，但文件太多，人工處理太慢、太容易出錯。

當(dāng)然，ScheMatiQ并不是萬能的。它目前在"單個文件涉及大量研究對象"的情況下會出現(xiàn)遺漏，這是一個需要繼續(xù)改進(jìn)的方向。此外，由于依賴商業(yè)AI模型，輸出結(jié)果的一致性也受到外部因素的影響。但從兩個真實(shí)研究場景的評估結(jié)果來看，它確實(shí)能在覆蓋絕大多數(shù)人工字段的同時，額外發(fā)現(xiàn)專家認(rèn)可的有價值的新字段，這在實(shí)際研究中具有相當(dāng)?shù)囊饬x。

對于普通讀者來說，這項(xiàng)研究折射出一個更廣泛的趨勢：AI工具正在以越來越具體的方式進(jìn)入學(xué)術(shù)研究的日常工作流程，不是取代研究者的判斷，而是替代那些"機(jī)械重復(fù)但量大難以為繼"的部分，讓研究者的精力能更集中于真正需要專業(yè)判斷的環(huán)節(jié)。這張由AI起草、由人審定的數(shù)據(jù)表格，或許就是未來很多研究的起點(diǎn)。有興趣深入了解這套系統(tǒng)的技術(shù)細(xì)節(jié)和實(shí)驗(yàn)方法的讀者，可以通過論文編號arXiv:2604.09237獲取完整原文。

Q&A

Q1：ScheMatiQ是什么，它能用來做什么？

A：ScheMatiQ是由耶路撒冷希伯來大學(xué)開發(fā)的一套AI輔助研究工具。它的核心功能是：研究者只需輸入一個自然語言描述的研究問題和一批相關(guān)文件，系統(tǒng)就能自動識別研究對象是什么、設(shè)計記錄數(shù)據(jù)的表格結(jié)構(gòu)、并從文件中提取填入相應(yīng)數(shù)據(jù)，最終生成一個帶有文獻(xiàn)出處的結(jié)構(gòu)化數(shù)據(jù)庫。整個過程研究者可以隨時介入修改。

Q2：ScheMatiQ和現(xiàn)有的AI搜索或文獻(xiàn)綜述工具有什么不同？

A：現(xiàn)有的很多"深度研究"類AI工具主要擅長檢索和摘要，輸出的是文字性的總結(jié)，難以直接用于統(tǒng)計分析，也很難追溯到具體文獻(xiàn)來源。ScheMatiQ的不同在于，它輸出的是結(jié)構(gòu)化表格，每一個數(shù)據(jù)格都附有原文來源，研究者可以直接用于定量分析；同時它支持研究者全程編輯和干預(yù)，而不只是產(chǎn)出一個固定結(jié)果。

Q3：ScheMatiQ的使用費(fèi)用高嗎，普通研究者能負(fù)擔(dān)得起嗎？

A：根據(jù)論文中的測試，處理100份文件的總計算成本大約是1美元，兩個完整的真實(shí)研究案例（共約185份文件）的總費(fèi)用也在這個量級范圍內(nèi)。對于大多數(shù)學(xué)術(shù)研究項(xiàng)目來說，這個成本是相當(dāng)?shù)土?。系統(tǒng)本身開源免費(fèi)，研究者也可以選擇接入更便宜的開源模型來進(jìn)一步降低成本。