henry 发自 凹非寺
Quantum Bit | Publique publique QbitAI
Je vous en supplie, il y a tellement de thèses que je ne peux plus les voir, et pourtant les outils de rédaction automatique de thèses continuent à apparaître !
Récemment, GitHub a encore mis à disposition une nouvelle outil de génération de articles de recherche en IA —
Open Academic Paper Gen.
Ne vous précipitez pas pour partir !
En plus de générer automatiquement un premier manuscrit avec des références, Open Academic Paper Gen présente un point important que vous devez noter.
Si la version complète de la littérature est disponible, il cherche des références dans la totalité du texte (mettez l’accent) pour vérifier les points de vue cités dans le papier.
À mon avis, c’est très pratique.
Comme dans l’écriture de thèses, il est souvent nécessaire de partir d’un sujet de recherche, de structurer continuellement les idées et de rechercher des preuves, avant de ajuster ses jugements en fonction des documents bibliographiques.
Avec l’IA, les arguments peuvent vous aider à développer des idées, et les preuves peuvent vous permettre de rechercher leurs sources.
Mais le problème est que, parfois, les points de vue et les articles sont vraiment réels. Cependant, dès que l’« opinion » fournie par l’IA est intégrée dans le texte complet et examinée dans le contexte, on se rend compte que l’auteur n’a peut-être pas eu cette intention.
Ainsi, afin de résoudre ce problème, Open Academic Paper Gen, après avoir obtenu le texte complet de la revue, localisera plus précisément les paragraphes pertinents pour déterminer si cette revue peut soutenir l’opinion correspondante.
Si des informations de page sont disponibles, elles seront également indiquées dans les annotations correspondant aux pages du PDF, afin que l’on puisse y revenir pour vérifier.
C’est-à-dire que non seulement il vérifiera l’existence ou non de « cet article », mais aussi si ces mots sont bien ceux qu’il a prononcés.
un flux de travail multipersonnel pour générer le premier brouillon d’une thèse
D’un point de vue général, Open Academic Paper Gen est un flux de travail multiagent pour générer le premier brouillon d’une thèse, et divise le processus allant de la sélection du sujet à la production en neuf étapes :
Déterminer la portée de la recherche, rechercher les documents, nettoyer et filtrer, analyser les tendances, trouver des points d’entrée, écrire un plan, rédiger, vérifier, et enfin exporter.
Comme d’autres outils de rédaction de thèses en IA, vous lui donnez un sujet de recherche, par exemple « RSI du monde physique ».
Il extrairaa des questions de recherche concrètes à partir de ce thème, puis généreraa des mots-clés chinois et anglais correspondants, pour rechercher des articles sur OpenAlex, crossref, Semantic Scholar et arXiv.
Les documents trouvés seront ensuite redondants et évalués, puis le modèle les filtre en fonction de leur corrélation. Lorsqu’on rencontre des articles ayant une forte corrélation, on continue à rechercher en suivant leurs références et les études qui les ont cités par la suite.
Équivalent à saisir un article, puis explorer davantage pour en ajouter un autre, l’approche est en fait un peu similaire aux CONNCTED PAPERS de l’époque.
(Authorise-t-on cela ?)
Ensuite, les documents collectés seront organisés en un tableau de preuves, qui répertorie les questions de recherche, les méthodes, les données, les conclusions et les limites de chaque article.
Avec ces données, le système analyse les tendances de recherche, et propose des angles de recherche possibles, des lacunes dans la recherche et des hypothèses.
Il y a aussi une étape assez intéressante appelée diagnostic innovant.
Open Academic Paper Gen évalue les points de entrée à partir de plusieurs dimensions : problèmes, méthodes, données et perspectives. Il identifie les travaux existants les plus proches dans le pool de littérature et présente les questions que les réviseurs pourraient soulever.
(Cela correspond à ce moment où, lorsque vous pensez avoir créé un ResNet, l’IA vous aide à vérifier si quelqu’un d’autre l’a déjà fait)
En particulier, ces jugements se concentreront sur les documents trouvés lors de cette recherche, cependant, le fait qu’ils ne soient pas présents dans la base de données ne signifie pas qu’il n’y a personne au monde qui les a effectués.
Enfin, une fois l’angle de recherche déterminé, le système continue de générer un plan et de rédiger les sections.
Le premier manuscrit terminé, on passe ensuite à la vérification des références et à la relecture simulée, et enfin on peut exporter en format Markdown ou LaTeX, ainsi que dans les formats de références RIS, BibTeX, etc.
Dans le mode de fonctionnement spécifique, en mode par défaut, Open Academic Paper Gen s’arrête pendant les étapes principales, jusqu’à ce que vous l’examiniez, l’éditez et l’confirmiez avant de continuer.
Si vous voulez tester les capacités de la recherche en intelligence artificielle, vous pouvez également le faire fonctionner automatiquement et choisir le mode entièrement automatique.
Enfin, ceux qui se préparent à partir doivent faire attention à la configuration du modèle :
Actuellement, le projet prend en charge OpenAI et Zhipu GLM, mais les étapes de vérification des arguments, d’inspection des affirmations sans référence et de relecture simulée nécessitent toujours une clé API OpenAI.
Comment trouver une citation dans une phrase ?
Honnêtement, la recherche automatique de documents académiques, la rédaction d’un premier texte, puis la relecture par une IA, est déjà une combinaison courante dans de nombreux projets de rédaction de thèses.
Certains d’entre eux incluent également la vérification des références et une confirmation manuelle, afin de limiter autant que possible les inventions fantaisistes du modèle.
Open Academic Paper Gen dans ce processus, l’inspection et la modification des références ont été affinées.
Après tout, ajouter des références à un premier manuscrit est une chose, et prouver que ces références soutiennent réellement le texte principal en est une autre.
En particulier, elle divise la vérification en trois étapes.
Premier point : vérifier si la référence peut être trouvée dans le pool de documents.
Lors de la rédaction, chaque marque de citation doit correspondre à un article déjà collecté.
Si le modèle crée temporairement un identifiant de référence inexistant, le système le met en évidence afin de faciliter la localisation et la modification.
Deuxièmement, vérifier l’identité de cette revue.
Les articles ayant un DOI sont d’abord vérifiés avec les archives de crossref ; si cela ne fonctionne pas, on se rend sur doi.org pour confirmation.
Titre, auteur, année, etc. ne correspondent pas, ce qui déclenche une alerte correspondante.
Troisième point : vérifier si l’original soutient ou non cette phrase.
Arrivé ici, la vérification passe vraiment des « informations documentaires » aux « contenus documentaires ».
Une fois le texte intégral reçu, le système trouvera dans celui-ci le paragraphe qui correspond le plus avec l’argument cité, et le joindra au début de la thèse pour déterminer si l’original soutient les affirmations contenues dans le corps du texte.
Si l’intégralité du texte ne peut pas être obtenue, utilisez un résumé ou des extraits. Lorsque des informations de numéro de page existent, une alerte peut indiquer également le numéro de page correspondant dans le PDF, afin de permettre aux utilisateurs de le consulter plus facilement.
Bien sûr, le fait que le modèle ne trouve pas suffisamment de preuves ne signifie pas qu’il a prouvé que cette affirmation est fausse.
Conformément à la méthode utilisée par Open Academic Paper Gen, lorsque les preuves sont insuffisantes, cela peut être indiqué comme « impossible de juger ».
Les documents trop peu nombreux ou dont il est impossible de vérifier, seront indiqués comme « non vérifié », plutôt que comme ayant été approuvés.
Donc, en général, par rapport à « écrire le mémoire en une seule action », la méthode de Open Academic Paper Gen pour organiser les documents, localiser les preuves et vérifier les références est vraiment efficace.
En particulier face aux points de vue et arguments écrits par l’IA, on a souvent l’impression que « cela semble logique, mais on n’ose pas le croire directement ». Si on peut retrouver le texte original correspondant, on dispose au moins d’un moyen de vérifier la véracité.
Par ailleurs, ce projet vient du développeur individuel Cat Uncle. En plus de Open Academic Paper Gen, il a également publié plusieurs projets tels que des scénaristes IA et des recherches en IA.
Lien de référence
[1]https://github.com/mmlong818/open-academic-paper-gen