CORE-GPT：结合开放获取研究与大语言模型实现可信可靠问答
计算与语言
2023-07-11 v1 人工智能
摘要
在本文中，我们提出 CORE-GPT，一种新颖的问答平台，它结合了基于 GPT 的语言模型与来自 CORE 的超过 3200 万篇全文开放获取科学文章。我们首先证明 GPT3.5 和 GPT4 不能被依赖来为生成文本提供参考文献或引用。随后我们介绍 CORE-GPT，其针对问题提供基于证据的答案，并附上引用及所引论文的链接，极大提升了答案的可信度并降低了幻觉风险。CORE-GPT 的性能在一个包含 100 个覆盖 CORE 前 20 个科学领域问题的数据集上进行了评估，生成了 100 个答案及指向 500 篇相关文章的链接。所提供的答案质量及链接相关性由两名标注者评估。我们的结果表明，CORE-GPT 能在大多数科学领域生成全面且可信的答案，并附有真实相关科学文章的链接。
引用
@article{arxiv.2307.04683,
title = {CORE-GPT: Combining Open Access research and large language models for credible, trustworthy question answering},
author = {David Pride and Matteo Cancellieri and Petr Knoth},
journal= {arXiv preprint arXiv:2307.04683},
year = {2023}
}
备注
12 pages, accepted submission to TPDL2023