面向电子-离子对撞机的基于RAG的摘要智能体

大型实验所涉及的文档、论文、数据和其他资源的复杂性和庞大信息量需要大量的时间和精力来导航，使得访问和利用这些不同形式的信息变得艰巨，特别是对于新合作者和早期职业科学家。为了解决这个问题，我们正在开发一个基于检索增强生成（RAG）的EIC摘要AI（RAGS4EIC）。这个AI智能体不仅能够浓缩信息，还能有效地引用相关回答，为合作者带来巨大优势。我们的项目采用两步方法：首先，查询包含所有相关实验信息的综合向量数据库；其次，利用大型语言模型（LLM）根据用户查询和检索数据生成带有引用的简洁摘要。我们描述了使用RAG评估（RAGAs）评分机制来评估回答有效性的评估方法。此外，我们描述了基于提示模板的指令微调的概念，它在摘要中提供了灵活性和准确性。重要的是，该实现依赖于LangChain，它是我们整个工作流程的基础。这种集成确保了效率和可扩展性，促进了电子-离子对撞机（EIC）社区内不同用户群体的顺利部署和可访问性。这个创新的AI驱动框架不仅简化了对大量数据集的理解，还鼓励了协作参与，从而赋能研究人员。作为演示，我们开发了一个Web应用程序，详细解释了RAG智能体开发的每个阶段。