ACLMay, 2019

PaperRobot: 科学思想的增量式草稿生成

PDF
TL;DR本文介绍了一种名为 PaperRobot 的自动研究助手系统，它通过构建全面的背景知识图谱、预测新的创意链接、以及基于记忆 - 注意力网络来生成新论文的关键要素，从而实现对大规模人类写作论文的深入理解，并通过图注意力和上下文文本注意力进行多角度分析和生成。经过图灵测试，PaperRobot 的生成摘要、结论和未来工作部分以及新标题被选择的概率分别高达 30％，24％和 12％以上，超过了人工写作的水平。
paperrobotknowledge graphsmemory-attention networksautomatic research assistantturing tests
发现论文，激发创造
  • ResearchAgent：基于大型语言模型的科学文献上迭代研究创意生成

    提出了一种基于大型语言模型的研究思路写作代理 ——ResearchAgent，它在科学文献的基础上自动生成问题、方法和实验设计，并通过连接学术图谱中的信息和从基于实体为中心的知识库中提取的实体进行逐步改进。此外，通过与多个 ReviewingAgents 进行反复讨论和反馈来借鉴人类改善思路的方式，还利用与人类偏好一致的大型语言模型为评估提供标准。在多个学科的科技出版物上实验证明了 ResearchAgent 的有效性，通过人工和模型评估结果生成了新颖、明确和有效的研究思路。

    Apr, 2024

  • 编辑机制辅助下的论文摘要写作

    本文基于一种注意力机制的神经序列到序列模型提出了一种论文摘要写作系统，该系统可以以标题为输入自动生成摘要，并通过两轮图灵测试，获得非专业和专业领域内人员的高通过率。

    May, 2018

  • 利用知识图谱和大型语言模型生成和人工专家评估有趣的研究思路

    使用超过 58 百万科学论文构建的知识图谱，并结合 GPT-4 接口生成个性化研究想法的 SciMuse 系统，通过与马克斯・普朗克研究所的 100 多位研究团队领导的大规模人工评估，我们发现数据高效的机器学习可以高精度预测研究兴趣，从而优化产生的研究想法的兴趣水平。这项工作是朝着一种人工科学启发的方向迈进，可以催生意料之外的合作，并为科学家提供有趣的研究方向。

    May, 2024

  • 检测虚假生成的科学摘要

    本研究基于 GPT-3 模型自动生成科学论文摘要，通过机器学习模型结合多种文本表示方法来辨别机器生成文本，并分析模型性能及讨论相关研究问题，旨在揭示人工智能生成文本的能力和局限性。

    Apr, 2023

  • 基于自治型 LLM 的从数据到可人工验证的研究论文

    AI 驱动的科学研究中的透明度、可追溯性和可核实性对加速科学发现具有潜力。

    Apr, 2024

  • 自动文档草图：从类似文本生成草稿

    本文介绍了一种新的任务：文档素描，该任务涉及为作者生成完整的草稿文件以供查看和修订，并介绍了基于维基百科的类似文件的数据集，以及弱监督方法（包括基于变压器的专家混合体和强化学习）的应用。通过自动化和人工评估方法对实验进行了报告，并讨论了这些模型的相对优点。

    Jun, 2021

  • 基于命名实体识别的研究亮点自动生成

    本文介绍了一种基于深度学习模型与实体识别的自动生成研究论文摘要的方法，实验证明使用实体识别可以提高摘要质量。

    Feb, 2023

  • GPT 生成文本中对知识的浅层综合：自动关联工作组成的案例研究

    通过分析引文图，我们评估了人工智能辅助学术写作，并发现 GPT-4 在支持人类用户的构思方面能够生成合理的粗粒度引文组合，但在没有人为干预的情况下无法进行详细的相关工作综合。因此，我们建议未来的写作助手工具不应独立撰写文本。

    Feb, 2024

  • 科技论文评论的自动生成

    本文介绍了一种方法，可以根据用户定义的查询自动生成一篇综述论文。该方法包括两个主要部分，第一部分通过诸如同袍引用的图表等文献计量参数来识别领域中的关键论文。第二阶段使用 BERT 架构，我们在现有的综述论文中对这些关键论文进行抽取式摘要。我们介绍了我们方法的一般流程和一些实现细节，并在 PubMed 数据集上进行了自动和专家评估。

    Oct, 2020

  • 深入探究 AI 生成摘要的语言特点

    ChatGPT 生成语言模型的研究中，自动生成的文本需要自动识别以保持信息的透明度和可信度。本研究中，我们试图检测 ChatGPT 生成的摘要，通过提取文本的语义和词汇特性，并观察到传统机器学习模型能够自信地检测这些摘要。

    Dec, 2023