OpenResearcher : Libérer le potentiel de l'IA pour accélérer la recherche scientifique

OpenResearcher: Unleashing AI for Accelerated Scientific Research

August 13, 2024

Auteurs: 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

Résumé

La croissance rapide de la littérature scientifique pose des défis importants pour les chercheurs qui s'efforcent de rester à jour avec les dernières avancées dans leurs domaines et d'explorer de nouveaux sujets. Nous présentons OpenResearcher, une plateforme innovante qui exploite les techniques d'Intelligence Artificielle (IA) pour accélérer le processus de recherche en répondant à diverses questions des chercheurs. OpenResearcher est construit sur la base de la Génération Augmentée par Récupération (RAG) pour intégrer des modèles de langage de grande envergure (LLMs) avec des connaissances spécifiques et actualisées dans le domaine. De plus, nous développons divers outils pour OpenResearcher afin de comprendre les requêtes des chercheurs, effectuer des recherches dans la littérature scientifique, filtrer les informations récupérées, fournir des réponses précises et complètes, et auto-affiner ces réponses. OpenResearcher peut utiliser ces outils de manière flexible pour équilibrer efficacité et efficience. En conséquence, OpenResearcher permet aux chercheurs de gagner du temps et d'augmenter leur potentiel à découvrir de nouvelles perspectives et à favoriser des percées scientifiques. Une démo, une vidéo et le code sont disponibles à l'adresse suivante : 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.