논문 Copilot: 개인 맞춤형 학술 지원을 위한 자기 진화형이며 효율적인 LLM 시스템

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

September 6, 2024

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

cs.AI

초록

과학 연구가 증가함에 따라 연구자들은 방대한 양의 문헌을 탐색하고 읽는 어려운 과제에 직면하게 됩니다. 기존의 솔루션인 문헌 질의응답(Document QA)과 같은 것들은 개인화되고 최신 정보를 효율적으로 제공하지 못합니다. 본 논문에서는 연구자들을 지원하기 위해 고안된 자기 진화형 효율적 LLM 시스템인 Paper Copilot을 제안합니다. 이 시스템은 사고 검색, 사용자 프로필 및 고성능 최적화에 기반을 두고 있습니다. 구체적으로 Paper Copilot은 실시간 업데이트된 데이터베이스를 유지하면서 개인화된 연구 서비스를 제공할 수 있습니다. 양적 평가 결과, Paper Copilot은 효율적인 배포 후 시간을 69.92% 절약한다는 것을 입증하였습니다. 본 논문은 Paper Copilot의 설계와 구현에 대한 세부 내용을 다루며, 이 시스템이 개인화된 학술 지원에 기여하고 연구과정을 간소화하는 잠재력을 강조합니다.

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.