LimGen：探索利用 LLM 生成研究论文的启发性局限性
计算与语言
2024-06-17 v2 人工智能
信息检索
摘要
审查局限性是学术研究评审过程中的关键步骤，能够揭示研究在哪些方面可能缺乏决定性或需要改进。这有助于读者考虑进一步研究的更广泛影响。在本文中，我们提出了一项针对研究论文的全新且具挑战性的任务：启发性局限性生成（Suggestive Limitation Generation, SLG）。我们编制了一个名为 \textbf{\textit{LimGen}} 的数据集，包含来自 ACL Anthology 的 4068 篇研究论文及其相关的局限性。我们研究了几种利用大语言模型（LLM）生成启发性局限性的方法，并深入探讨了相关的挑战、实践见解和潜在机遇。我们的 LimGen 数据集和代码可通过 \url{https://github.com/arbmf/LimGen} 获取。
引用
@article{arxiv.2403.15529,
title = {LimGen: Probing the LLMs for Generating Suggestive Limitations of Research Papers},
author = {Abdur Rahman Bin Md Faizullah and Ashok Urlana and Rahul Mishra},
journal= {arXiv preprint arXiv:2403.15529},
year = {2024}
}
备注
Accepted at ECML-PKDD 2024