OpenResearcher: Liberando a IA para Pesquisa 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

Resumo

O rápido crescimento da literatura científica impõe desafios significativos para pesquisadores que buscam se manter atualizados com os avanços mais recentes em suas áreas e explorar novos campos. Apresentamos o OpenResearcher, uma plataforma inovadora que utiliza técnicas de Inteligência Artificial (IA) para acelerar o processo de pesquisa ao responder a diversas perguntas de pesquisadores. O OpenResearcher é construído com base no Modelo de Geração com Recuperação (RAG) para integrar Modelos de Linguagem de Grande Escala (LLMs) com conhecimento atualizado e específico do domínio. Além disso, desenvolvemos várias ferramentas para o OpenResearcher compreender as consultas dos pesquisadores, buscar na literatura científica, filtrar as informações recuperadas, fornecer respostas precisas e abrangentes, e aprimorar essas respostas automaticamente. O OpenResearcher pode usar essas ferramentas de forma flexível para equilibrar eficiência e eficácia. Como resultado, o OpenResearcher permite que os pesquisadores economizem tempo e aumentem seu potencial para descobrir novos insights e impulsionar avanços científicos. Demonstração, vídeo e código estão disponíveis em: 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.