Elicit 與 Consensus:哪一個更能為論文解答研究問題?
增長負責人
閱讀約 10 分鐘

「是的,重複給藥會引發針對 PEG 和脂質成分的免疫反應,從而改變微粒的清除率。」 Consensus 在大約 10 秒內顯示了這行文字,上方儀表顯示「Yes 91%」(贊同率 91%)。而速度較慢的 Elicit 則在自身的第一句話中就給出了有條件的肯定,並在最後一段將最強有力的證據歸於臨床前模型,因此論文的相關章節應從那裡著手。
Elicit 還是 Consensus:先說結論
從 Elicit 開始——當論文章節需要說明證據適用的範疇時。它的回答在第一句話就指出了適用條件,並將動物與人體研究結果分開闡述。
使用 Consensus——用於快速瀏覽是非題(Yes/No)的概況。它在大約 10 秒內給出回答,其儀表展示了分類文獻的分佈情況。
兩者皆需——在引用前務必親自打開論文核對。Elicit 的一行文獻將期刊文章標註為預印本,而 Consensus 讀取的 20 篇論文中,有 9 篇未計入其儀表。
橫向對比
Elicit | Consensus | |
答案呈現在螢幕上的時間 | 10.4 秒時仍在生成,74.8 秒檢查時完成 | 10.5 秒檢查時已完成 |
背後的論文依據 | 審查了 99 篇,引用了 7 篇 | 閱讀了 20 篇,回答中引用了 15 篇 |
第一句話 | 肯定回答,並指明了配方、給藥途徑、劑量和物種 | 肯定回答,並指明了 PEG 和脂質成分 |
人體臨床證據 | 單獨成段,與動物研究進行對比 | 一句話,列於「藥物代謝動力學影響」下方 |
機制細節 | 抗體、補體和更快的清除率 | 增加了 TLR4 和 CD1d,以及先 B-1 後 B-2 的抗體反應 |
疫苗隊列研究 | 被引用作為人體研究結果的依據 | 被引用,標註為 Unknown(未知),未計入儀表 |
是非統計計數 | 無 | Yes 91%,No 9%,N = 11 |
大鼠研究顯示的發表平台 | bioRxiv,2023 年 | NPJ Vaccines,2023 年 |
格式化引用文獻 | 來源面板中沒有提供 | APA、MLA、Chicago、Harvard、BibTeX 和 AMA/Numeric |
Consensus 速度更快,頁面展示的內容也更豐富:證據表格、圖表以及六種格式的引用。Elicit 給出的答案則更值得論文依賴,因為它指出了哪些方面的證據確鑿,哪些方面的證據尚顯不足。

在兩者中輸入相同的問題
該問題來自這些工具評測中探討 CRISPR 脂質奈米微粒傳遞的段落,該段落將重複給藥列為尚待解決的問題之一:「重複給予脂質奈米微粒是否會引發免疫反應?」
在不到一分鐘的間隔內,該問題分別被輸入到 Elicit Research agent 和預設的 Consensus 搜尋中,未更改任何設定。Consensus 中的 Deep review(深度審查)選項未開啟。
兩種工具給出的答案
Consensus——在 10.5 秒檢查時答案已呈現在螢幕上。其步驟面板顯示了執行的搜尋詞:「repeat dosing of lipid nanoparticles and immune response」(重複給予脂質奈米微粒與免疫反應),檢索到 570 萬條結果並閱讀了 20 篇論文,接著給出了上文引用的結論摘要。
摘要下方是 Consensus 儀表,顯示 Yes 91%、No 9%、N = 11,一個將兩項論點評為「強(Strong)」、一項評為「中等(Moderate)」的證據表格,以及兩張自帶圖表。關於證據涵蓋範圍的說明放在最後:「這些發現反映了實驗動物模型和臨床試驗隊列的情況」。
正文對機制的探討比 Elicit 更深入。它指出了可電離脂質反應背後的受體 TLR4 和 CD1d,以及再次給藥時先產生 B-1、隨後產生 B-2 的抗體反應。
在這些內容之間,它列出了閱讀文獻中提到的四種 PEG 替代品(每種各附一處引用),並提供了後續追蹤問題,例如「LNP 重複給藥後加速的血液清除如何影響 mRNA 的功效?」

Consensus 針對重複給藥問題給出的標題結論和儀表
Elicit——在 10.4 秒檢查時仍在生成,在 74.8 秒檢查時完成回答,標題為「Reviewed 99 sources on immune responses to repeat LNP dosing」(已審查 99 篇關於重複 LNP 給藥免疫反應的文獻)。該對話工作階段自動命名為「Lipid nanoparticle redosing immunity」(脂質奈米微粒再次給藥免疫力)。
其第一句話給出了肯定的回答,並指出該反應及其後果「取決於 LNP 的配方、給藥途徑、劑量和物種。」第二段開頭則寫道:「這種效應並非不可避免,也非一成不變。」
第三段轉向人體研究:「相較於動物再次給藥研究,人體疫苗的發現對於實際後果而言更令人安心」。最後一段指出加速清除的最強證據來自臨床前模型。其後續問題包括「有哪些人體證據將抗 PEG 抗體與臨床結果聯繫起來?」

Elicit 的回答,在第一句話中就提到了配方、途徑、劑量和物種
91% 究竟統計了什麼
在 Consensus 參考文獻面板中,20 篇論文均帶有標籤。這些標籤總計為 10 篇 Yes、1 篇 No 和 9 篇 Unknown,因此儀表背後的 N = 11 僅包含了標註為 Yes 和 No 的論文。
唯一的「No」——Kim 等人(2023 年)的研究,根據其摘要,一種新型可電離脂質使小鼠纖維化肺部能重複接受 mRNA 劑量而不會喪失活性。Consensus 將其標記為「這裡唯一的反對意見。」
10 篇「Yes」中的兩篇——Arral 等人在 Research Square 上的預印本(被引次數為 0,其期刊版本發表在《Drug Delivery and Translational Research》上),以及發表在《Cancer Research》上的 2026 年會議摘要。
9 篇「Unknown」之一——Guerrini 等人(2022 年),這是兩種工具都用作人體證據的疫苗隊列研究。它在 Consensus 中的關鍵要點為:「基於脂質奈米微粒的 COVID-19 疫苗中 PEG 的存在不會影響安全性或有效性,且抗 PEG 抗體在重複給藥後未顯示出顯著的加強效應。」

Consensus 參考文獻中的疫苗隊列研究,標記為 Unknown
摘要支持該概述中的安全性部分和 IgG 部分,但並非全部。抗 PEG IgG 未顯示出顯著的加強效應,而 IgM 在第一劑和第三劑後顯著升高,且在該隊列中 PEG 與任何報告的嚴重不良反應均無關聯。
Consensus 閱讀的被引次數最多的兩篇論文同樣被列為 Unknown:一篇是 2022 年發表在《Immunity》上的論文(被引 616 次),另一篇是 2023 年的文獻綜述(被引 421 次)。
因此,兩種工具所依賴的人體隊列研究都被排除在百分比統計之外。關於錯誤論點背後的真實文獻出處指南展示了語句是如何偏離論文原意的。
Elicit 答案背後的文獻
點擊「View 7 cited sources」(查看 7 篇引用來源)打開了回答背後的論文列表:
Wang 等人,顯示為 bioRxiv,2023 年,被引 116 次
Omata 等人,《Molecular Pharmaceutics》,2024 年
Lee 等人,《Biomaterials Research》,2024 年
Besin 等人,《ImmunoHorizons》,2019 年,僅摘要
Münter 等人,《Molecular Therapy: Methods & Clinical Development》,2023 年
Guerrini 等人,《International Journal of Molecular Sciences》,2022 年
Facskó 等人,《Pharmaceutics》,2026 年,僅摘要
第 1 行是大鼠研究,該研究也位列 Consensus 證據表格的首位。Elicit 將其標記為「bioRxiv · 2023」,但其連結打開的是 npj Vaccines 的文章,使用的 DOI 與 Consensus 相同。
這兩者是同一項研究的兩個階段。bioRxiv 預印本於 2022 年以相同標題發佈,期刊版本隨後於 2023 年發表,因此 Elicit 行將預印本平台與期刊發表年份配對在了一起。

Elicit 來源面板,期刊文章上帶有預印本標籤
關於如何辨別文章是否經過同行評審的指南介紹了手動進行相同檢查的方法。
兩個文獻清單的重合之處
在 Elicit 的 7 篇文獻中,有 4 篇也在 Consensus 引用的 15 篇之列:大鼠研究、2019 年關於兩階段抗體反應的《ImmunoHorizons》論文、Lee 等人 2024 年的配方研究,以及疫苗隊列研究。
僅 Elicit 引用的其餘 3 篇為:
給藥途徑——Münter 等人(2023 年)比較了小鼠的靜脈注射、肌肉注射和皮下注射,發現肌肉注射後抗體水平較低。
抗體與載荷——Omata 等人(2024 年)研究了抗 PEG 抗體如何影響對負載 mRNA 微粒的免疫反應。
人體——Facskó 等人(2026 年)分析了人類供血者體內的抗 PEG 抗體,比較了接種與未接種 mRNA-LNP 疫苗的人群。
針對同一篇大鼠研究,兩者顯示的被引次數也不同:Elicit 中為 116 次,Consensus 中為 117 次,而其出版商頁面顯示為 142 次。被引次數僅是來自特定資料庫的數據,並非論文本身的固定屬性。
匯出引用文獻
Consensus——參考文獻卡片上的引號圖示可打開「Cite this finding」(引用此發現),包含 APA、MLA、Chicago、Harvard、BibTeX 和 AMA/Numeric 標籤頁。該大鼠研究的 APA 條目按順序完整列出了所有 11 位作者,並附有 DOI。
其出版來源部分顯示為「NPJ Vaccines, 8.」,沒有期號或文章編號,而出版商頁面列出的期號為 1,文章編號為 169,期刊名稱格式為 npj Vaccines。

Consensus 的 APA 條目,缺少期號或文章編號
Elicit——「Source details」(來源詳情)面板提供了標題、作者、發表平台資訊、DOI 連結、摘要和「Save」(儲存)按鈕。它沒有提供可直接複製的格式化引用條目。
關於查找 DOI 的指南介紹了這些詳細資訊在出版商頁面上的位置。
各工具的收費情況
方案 | Elicit(學術優惠價) | Consensus |
免費版 | Basic,0 美元。Research Agent 和 Research Reports 的使用次數有限,可無限制檢索超過 1.38 億篇論文 | Free,0 美元。基礎論文檢索,每月 10 次 Pro 訊息,每月最多 3 次 Deep review(深度審查) |
第一檔付費方案 | Plus:每月 19 美元,或每年 132 美元 | Pro:每月 20 美元,或每年 144 美元 |
第二檔付費方案 | Pro:每月 69 美元,或每年 468 美元 | Deep:每月 65 美元,或每年 540 美元 |
第三檔及企業版 | Scale:每月 149 美元,或每年 1,068 美元。Enterprise(企業版):客製化定價 | Teams:每席位每月 30 美元。Enterprise(企業版):客製化定價 |
價格來源於 elicit.com/pricing 和 consensus.app/pricing。
Elicit Plus 支援匯出為 RIS、CSV、BIB、PDF 和 DOCX 格式,並支援每次顯示 5 個表格欄位。Consensus Pro 提供無限制的 Pro 訊息和每月 15 次 Deep review,而 Deep 方案將審查次數提升至 200 次。
這兩種工具的第一檔付費方案月費相差 1 美元,年費相差 12 美元。
兩者結合使用
先詢問 Consensus——快速了解是非題的概況,並注意儀表旁邊的樣本量 N。
打開標記為 Unknown 的論文——兩種工具均依賴的人體隊列研究就在其中,未計入百分比。
向 Elicit 提出相同的問題——獲取將動物與人體研究結果分開闡述的答案,並檢視其引用的論文清單。
在出版商處核對每篇論文——在撰寫引用前確認版本、年份和期號。
關於擬定研究問題的指南介紹了如何組織能讓這些工具精確回答的問題,而學位論文文獻探討指南則介紹了如何安置核對好的文獻。
結論:選擇 Elicit 還是 Consensus?
如果是為了解答此類問題而撰寫學位論文章節,推薦 Elicit。它的回答在第一句話就指明了配方、途徑、劑量和物種,將動物與人體證據分開,並在一個表格中列出了 7 個引用來源。
如果想快速了解是非題的概況,推薦 Consensus,它提供儀表、證據表格和六種格式的引用。但請注意結合其樣本量 N 來解讀儀表,因為它閱讀的 20 篇論文中有 9 篇未計入其中。
Elicit 評測和 Consensus 評測分別獨立測試了各個工具,而 Elicit vs SciSpace 則對同一段落進行了另一組工具對比。
文獻核對完畢後,論文正文可在 Jenni 中撰寫,每個審慎論點都能精確緊鄰其所依託的文獻出處。