RAP：研究注意力预测揭示目标条件化的证据获取偏差

大型语言模型（LLM）日益充当研究代理，但由于综述和研究想法缺乏可唯一验证的结果，评估其跟踪研究注意力变化的能力颇为困难。我们提出 Research Attention Prediction（RAP），这是一个滚动基准，涵盖 278 个 AI/ML 领域和 1,390 个事件。在每个截止时点，LLM 代理都会搜索时间受限的 arXiv 语料库，并预测接下来六个月内八个固定研究方向的论文占比。搜索通常有所帮助，但在组合准确性方面，四个诊断模型的表现都不如基于精确计数的指数加权移动平均（EWMA）基线。我们发现了两个相互关联的瓶颈。在可访问累积历史的条件下，对于全部四个诊断模型，State carry-forward 的表现都优于直接 Forecast；冻结证据重放表明，这一反转的一个共同组成部分与以 Forecast 为导向的策略获取近期证据占比较小有关。即使拥有精确的历史活动数据，面向未来的特定更新仍然有限，只有 GPT-5.5 加上重新开启的 Search 略微超过 EWMA。在已实现结果上进行微调后，Qwen3-4B 在后续起始点、留出的领域上的预测 Spearman 相关系数提高了 0.105，在变化丰富的事件中也取得了提升。