利用知识图谱和大语言模型生成有趣的科学思想：基于100位研究负责人评估的评估
人工智能
2025-01-09 v3 计算与语言
数字图书馆
机器学习
摘要
快速增长的科学文献使得研究人员在跨学科领域识别新颖且具有影响力的想法变得具有挑战性。现代人工智能（AI）系统提供了新的方法， potentially 启发人类无法单独想到的想法。但这些AI生成的想法有多么引人注目，如何提高其质量？本文介绍了SciMuse，该系统利用5800万篇科研论文和大语言模型生成科学想法。我们进行了大规模评估，超过100位来自自然科学到人文科学的研究负责人对4400多个个性化想法进行兴趣排序。该数据使我们能够使用（1）基于人类评估训练的监督式神经网络，和（2）与大语言模型无监督零样本排序来预测研究兴趣。我们的结果表明，未来的系统如何帮助生成引人注目的科学想法并促进意想不到的跨学科合作。
引用
@article{arxiv.2405.17044,
title = {Interesting Scientific Idea Generation using Knowledge Graphs and LLMs: Evaluations with 100 Research Group Leaders},
author = {Xuemei Gu and Mario Krenn},
journal= {arXiv preprint arXiv:2405.17044},
year = {2025}
}
备注
8 pages; 4 figures; Appendix: 6 pages, 5 figures, 2 tables