据Ethan Mollick在X平台指出，一项研究表明，一个以引文为训练信号的小型模型能够预测哪些论文将成为高影响“爆款”，显示AI可学习超越执行层面的“质量判断”；据Ethan Mollick转述，引用量、点赞与分享等社会信号可作为监督信号，编码群体偏好与未来影响力。根据其所链接论文的信息，此类基于历史引文轨迹的预测方法可用于投研筛选、研发组合管理与期刊编辑初筛，帮助高校与企业更高效配置资源与发掘前沿成果。