LLMs4Synthesis：利用大语言模型进行科学综合
计算与语言
2024-09-30 v1 人工智能
数字图书馆
摘要
为了应对科学文献日益增长的复杂性和数量，本文介绍了LLMs4Synthesis框架，旨在增强大语言模型（LLM）生成高质量科学综合的能力。该框架利用开源和专有LLM，满足了对快速、连贯且上下文丰富的科学见解整合的需求。它还考察了LLM在评估这些综合的完整性和可靠性方面的有效性，缓解了当前定量指标的不足。我们的研究通过开发一种处理科学论文的新方法、定义新的综合类型以及建立九个详细的综合评估质量标准，为该领域做出了贡献。提出将LLM与强化学习和AI反馈相结合以优化综合质量，确保与既定标准保持一致。LLMs4Synthesis框架及其组件已公开提供，有望提升科学研究综合中的生成和评估过程。
引用
@article{arxiv.2409.18812,
title = {LLMs4Synthesis: Leveraging Large Language Models for Scientific Synthesis},
author = {Hamed Babaei Giglou and Jennifer D'Souza and Sören Auer},
journal= {arXiv preprint arXiv:2409.18812},
year = {2024}
}
备注
12 pages, 3 figures, Accepted to JCDL 2024 Research Track