这项由复旦大学张明、谭克新等十多位研究者组成的团队完成的研究成果于2026年1月发表在arXiv预印本平台（编号：arXiv:2601.01576v1），研究团队还与WisPaper.AI公司和克莱蒙特·麦肯纳学院合作。感兴趣的读者可以通过这个编号查询完整论文。
学术界正面临着一场"数量爆炸"危机。每年仅在人工智能领域，就有数万篇新论文涌现，而顶级会议的投稿数量不断创下历史新高。这给学术同行评议系统带来了前所未有的压力。评审专家们需要在有限的时间内评估大量论文，其中最关键的一个问题就是：这篇论文的贡献真的新颖吗？是否存在之前的研究已经做过类似工作？
就像在浩瀚的图书馆中寻找一本特定书籍的所有相关资料一样，评审专家需要在成千上万的已发表论文中找到与当前论文相关的所有研究。这个任务既耗时又容易遗漏关键信息。更糟糕的是，一些评审专家可能因为时间不够或精力不足，没有进行充分的文献调研，甚至有人开始使用AI生成评审意见而不进行适当验证。
复旦大学的这个研究团队意识到了这个问题的严重性，他们开发了一个名为OpenNovelty的系统，就像给评审专家配备了一个超级助手。这个助手不仅
