OpenResearcher: Liberando la IA para la Investigación Científica Acelerada

OpenResearcher: Unleashing AI for Accelerated Scientific Research

August 13, 2024

Autores: Yuxiang Zheng, Shichao Sun, Lin Qiu, Dongyu Ru, Cheng Jiayang, Xuefeng Li, Jifan Lin, Binjie Wang, Yun Luo, Renjie Pan, Yang Xu, Qingkai Min, Zizhao Zhang, Yiwen Wang, Wenjie Li, Pengfei Liu

cs.AI

Resumen

El rápido crecimiento de la literatura científica impone desafíos significativos para los investigadores que se esfuerzan por mantenerse actualizados con los últimos avances en sus campos y adentrarse en nuevas áreas. Presentamos OpenResearcher, una plataforma innovadora que aprovecha técnicas de Inteligencia Artificial (IA) para acelerar el proceso de investigación al responder diversas preguntas de los investigadores. OpenResearcher se basa en Retrieval-Augmented Generation (RAG) para integrar Modelos de Lenguaje Grandes (LLMs) con conocimiento actualizado y específico del dominio. Además, desarrollamos varias herramientas para que OpenResearcher comprenda las consultas de los investigadores, busque en la literatura científica, filtre la información recuperada, proporcione respuestas precisas y completas, y se auto-perfeccione. OpenResearcher puede utilizar de manera flexible estas herramientas para equilibrar la eficiencia y la efectividad. Como resultado, OpenResearcher permite a los investigadores ahorrar tiempo y aumentar su potencial para descubrir nuevas ideas y propiciar avances científicos. Una demostración, video y código están disponibles en: https://github.com/GAIR-NLP/OpenResearcher.

English

The rapid growth of scientific literature imposes significant challenges for researchers endeavoring to stay updated with the latest advancements in their fields and delve into new areas. We introduce OpenResearcher, an innovative platform that leverages Artificial Intelligence (AI) techniques to accelerate the research process by answering diverse questions from researchers. OpenResearcher is built based on Retrieval-Augmented Generation (RAG) to integrate Large Language Models (LLMs) with up-to-date, domain-specific knowledge. Moreover, we develop various tools for OpenResearcher to understand researchers' queries, search from the scientific literature, filter retrieved information, provide accurate and comprehensive answers, and self-refine these answers. OpenResearcher can flexibly use these tools to balance efficiency and effectiveness. As a result, OpenResearcher enables researchers to save time and increase their potential to discover new insights and drive scientific breakthroughs. Demo, video, and code are available at: https://github.com/GAIR-NLP/OpenResearcher.