AI 系统开始参与科研评价，面对引用、下载等人类读者的信号，但这些信号对人工读者的整体影响尚不明确。
本文把 Music Lab 实验移植到学术注意力市场。实验一：1000 个 AI 代理在 2025 年《American Economic Review》114 篇常规论文的标题和摘要中选择。设有五个独立选择社区和五个社会影响社区，每社区 100 个按顺序到达的代理。只有社会影响社区的代理能看到同社区之前的选择。代理可选择任意篇数。
结果显示，社会信息社区每位代理选择的论文数量比独立社区少 17.2%，选择更集中，整体覆盖 73 篇，而独立社区覆盖 90 篇。社区间的差异在社会信息条件下更大。
实验二：200 个代理分布在二十个社会社区，随机给五篇论文各加一个初始选择。该操作使这些论文的后续选择率提升 45.55 个百分点（95% CI: 41.20–49.90）。
选择与外部引用的对应关系一般，与下载量几乎无关。结果表明，一个简单的信息规则即可显著影响人工群体中科学注意力的量、广度和分布。
点评