appjsonify:一种学术论文PDF转JSON的工具包
本文介绍了Function Assistant,一种基于Python的轻量级工具包,可使用自然语言查询和探索源代码存储库。该工具包旨在帮助目标API的最终用户通过高级自然语言查询和描述快速查找有关函数的信息。
Jun, 2017
本文介绍了一种机器学习的文献采集平台,能够帮助用户快速提取具备结构化的文本信息,有效性能表现在数据转换及多种方面已经得到证实。
May, 2018
CoTK是一个开放源代码的工具包,旨在支持文本生成的快速开发和公平评估,它使得模型开发和评估标准化,减少之后可能会导致不一致实验设置的人为错误,并提供了许多通用度量实现和基准模型的相关功能。
Feb, 2020
本篇论文介绍了如何自动挖掘AI库中的Python函数文档字符串以提取JSON超参数模式,以减轻手动创建和维护自动化工具中的超参数模式的负担,拓宽自动化应用范围。
Jun, 2020
本文介绍了带有四个创新特点的ScholarPhi增强阅读界面,它可以提供来自论文其他部分或其他论文的信息,如技术术语和符号的定义。一项可用性研究表明,该工具有助于各个经验水平研究人员阅读论文,并且研究人员渴望有ScholarPhi的定义来支持他们的日常阅读。
Sep, 2020
使用transformer语言模型直接生成结构化JSON的方法可有效提高信息提取效率,通过Gradient Checkpointing技术和分块编码将其应用于单个GPU的长文本处理,并发布了Doc2Dict模型及代码来促进未来相关工作的开展。
May, 2021
DocXChain是一个强大的开源工具链,用于将非结构化文档(如文本、表格和图表)中的丰富信息自动转换为可读取和可操纵的结构化表示,提供了基本功能如文本检测、文本识别、表结构识别和布局分析,并且可以与现有的工具、库或模型轻松集成,以构建更强大的系统,实现更复杂和具有挑战性的任务。
Oct, 2023
这篇论文探讨了如何通过将大型语言模型(LLMs)与流行的学术写作工具Overleaf集成,以提高学术写作的效率和质量,并提出了OverleafCopilot工具作为海量语言模型和Overleaf的第一次无缝集成,从而使研究人员能够在撰写论文时充分利用语言模型的强大功能,通过有效的桥接方案、高质量PromptGenius网站以及可定制的代理指令系统来帮助研究人员快速构建自己的个性化代理,旨在改革学术写作实践,使研究人员在更短的时间内生成更高质量的论文。
Mar, 2024
通过数学公式和人工评估使用Likert量表对性能进行定量评估和质量评估,研究了小型语言模型在生成高质量文档字符串方面的有效性,并引入了包含10万个样本的大规模监督微调数据集(DocuMint)。
May, 2024
本研究解决了从电子健康记录中提取表型信息所面临的临床文本异质性和复杂性问题。作者开发了一个名为medkit的开源Python库,旨在简化表型管道的构建与评估,促进其复用和丰富。研究的主要发现是medkit不仅提高了开发效率,还为表型识别社区提供了共享的工具和资源,潜在推动了相关研究的发展。
Aug, 2024