OpenResearcher: Разблокирование ИИ для Ускоренных Научных Исследований

OpenResearcher: Unleashing AI for Accelerated Scientific Research

August 13, 2024

Авторы: 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

Аннотация

Быстрый рост научной литературы создает значительные вызовы для исследователей, стремящихся быть в курсе последних достижений в своих областях и погружаться в новые направления. Мы представляем OpenResearcher, инновационную платформу, которая использует техники искусственного интеллекта (ИИ) для ускорения процесса исследований путем ответа на разнообразные вопросы от исследователей. OpenResearcher построен на основе Retrieval-Augmented Generation (RAG) для интеграции больших языковых моделей (LLM) с актуальными, специфичными для области знаниями. Более того, мы разрабатываем различные инструменты для OpenResearcher, чтобы понимать запросы исследователей, искать в научной литературе, фильтровать полученную информацию, предоставлять точные и всесторонние ответы, а также самостоятельно совершенствовать эти ответы. OpenResearcher может гибко использовать эти инструменты для балансировки эффективности и результативности. В результате OpenResearcher позволяет исследователям экономить время и увеличивать свой потенциал для обнаружения новых идей и стимулирования научных открытий. Демонстрация, видео и код доступны по ссылке: 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.