SciPIP：基于大语言模型的科学论文创意生成器

大语言模型（LLM）的快速发展为自动化生成创新科学创意开辟了新的可能性。这一过程涉及两个关键阶段：文献检索和创意生成。然而，现有方法往往存在不足，因为其在检索阶段依赖于基于关键词的搜索工具，忽略了关键的语义信息，并经常导致不完整的检索结果。同样，在创意生成阶段，当前方法倾向于仅依赖LLM的内部知识或检索论文的元数据，从而忽略了全文中所包含的大量有价值见解。为解决这些局限性，我们引入了SciPIP，一个创新框架，旨在通过改进文献检索和创意生成两个阶段来增强基于LLM的科学创意生成。我们的方法从构建一个全面的文献数据库开始，该数据库不仅支持基于关键词，还支持基于语义和引用关系的高级检索。这辅以一种多粒度检索算法，旨在确保更全面、更详尽的检索结果。对于创意生成阶段，我们提出了一种双路径框架，有效整合了检索论文的内容和LLM的广泛内部知识。这种整合显著提升了所生成创意的新颖性、可行性和实用价值。我们在自然语言处理和计算机视觉等多个领域的实验证明了SciPIP生成大量创新且有用创意的能力。这些发现强调了SciPIP作为研究人员推进其领域突破性概念的有价值工具的潜力。