論文コパイロット：個別化された学術支援のための自己進化型かつ効率的なLLMシステム

Paper Copilot: A Self-Evolving and Efficient LLM System for Personalized Academic Assistance

September 6, 2024

著者: Guanyu Lin, Tao Feng, Pengrui Han, Ge Liu, Jiaxuan You

cs.AI

要旨

科学研究が増加する中、研究者は膨大な文献を読み解くという困難な課題に直面しています。既存の解決策である文献QAなどは、個別かつ最新情報を効率的に提供することができません。本研究では、思考検索、ユーザープロファイル、高性能最適化に基づいて設計された自己進化型の効率的なLLMシステムであるPaper Copilotを提案します。具体的には、Paper Copilotはリアルタイムに更新されたデータベースを維持し、個別の研究サービスを提供することができます。定量的評価によると、Paper Copilotは効率的な展開後に時間を69.92％節約することが示されています。本論文では、Paper Copilotの設計と実装について詳細に説明し、個別の学術サポートへの貢献と研究プロセスの効率化への潜在的な可能性を強調しています。

English

As scientific research proliferates, researchers face the daunting task of navigating and reading vast amounts of literature. Existing solutions, such as document QA, fail to provide personalized and up-to-date information efficiently. We present Paper Copilot, a self-evolving, efficient LLM system designed to assist researchers, based on thought-retrieval, user profile and high performance optimization. Specifically, Paper Copilot can offer personalized research services, maintaining a real-time updated database. Quantitative evaluation demonstrates that Paper Copilot saves 69.92\% of time after efficient deployment. This paper details the design and implementation of Paper Copilot, highlighting its contributions to personalized academic support and its potential to streamline the research process.