Nachricht

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Die von einem dreiköpfigen Team aufgebaute akademische Suchmaschine gewann direkt SOTA!

Es gibt an, dass die Relevanz der Suchergebnisse im Durchschnitt fünfmal höher ist als die von Google Scholar und dass über 100 Millionen Forschungsobjekte durchsucht werden können, ohne auf LLM angewiesen zu sein.

Was mehr ist:frei, die Studentenparty ist begeistert!

Werfen wir zunächst einen Blick auf die Nutzungseffekte. Geben Sie Suchbegriffe ein und es dauert nur 350 Millisekunden. Mit einem Klick werden hochrelevante Dokumente aufgelistet:

Sie können auch Dateien herausfiltern, die mit einem Klick als PDF angezeigt werden können.

Sie können die Ein-Klick-Filterung von Jahr und Zitatanzahl bis hin zum Publikationstyp und einer bestimmten Zeitschrift festlegen:

Sie können eine Vorschau der gesuchten Artikel anzeigen, indem Sie auf den Titel klicken, und das Kopieren gängiger akademischer Zitierformate mit einem Klick unterstützen:

Diese neue Suchmaschine heißtLumina, soll mehr als 300.000 Anfragen verarbeitet haben und unterstützt 24 Sprachen.

Um mit traditionellen akademischen Suchmaschinen wie Google Scholar zu vergleichen, führte das Entwicklungsteam auch einen Benchmark-Test durch, und die Codebasis wurde als Open Source bereitgestellt. Die Testergebnisse zeigten, dass die Relevanz der Lumina-Suchergebnisse den SOTA gewann.

Entwickler haben getwittert, um Google herauszufordern:

Wir drei haben ein paar Monate gebraucht, um es zu erstellen, und es ist besser als das von Google.

Der Mitbegründer und CTO der KI-3D-Simulations-Engine Ego und ehemaliger Metaforscher sagte, nachdem er es gesehen hatte, schloss er die Augen und eilte:

Ich kann jedem nur wärmstens empfehlen, es einmal auszuprobieren.

Viele Wissenschaftler äußerten auch, dass es sehr nützlich sei:

Die Suchrelevanz ist bis zu 11-mal höher

Wie eingangs erwähnt, hat das Forschungsteam einen Benchmark-Test als Open-Source-Lösung erstellt, um die Leistung von Lumina zu testen.

Mithilfe von GPT-4 als „Bewerter“ konzentrierten wir uns auf den Vergleich der Relevanz und Genauigkeit der Suchergebnisse von Lumina Base (einfacher Suchmodus), Lumina Recursive (rekursiver Suchmodus), Semantic Scholar und Google Scholar.

Die direkte Erkennung wertet jede Suchmaschine ausTop 10 Suchergebnisse, der Vergleich ist wie folgt:

Im einfachen Suchmodus (Lumina Base) sind die Suchergebnisse von Lumina 4,8-mal relevanter als Google Scholar und 8-mal relevanter als Semantic Scholar. Die Auswertung basiert auf einem generierten Datensatz von etwa 2470 Suchanfragen.

Im rekursiven Suchmodus von Lumina wird die Relevanz der Suchergebnisse weiter verbessert, 6,8-mal höher als bei Google Scholar und 11,3-mal höher als bei Semantic Scholar, ebenfalls basierend auf 2470 Abfragedatensätzen.

Darüber hinaus liefert Lumina durchweg 2–3 pro SucheHöchst relevantIm Vergleich dazu lieferten nur 50 % der Google Scholar-Suchen ein hochrelevantes Ergebnis, und nur 30 % der Semantic Scholar-Suchen erfüllten diesen Standard.

Mit anderen Worten: Lumina kann Forschungsergebnisse finden, die sonst schwer zu finden wären.

Das Team sagte außerdem, dass mit der Lumina-API und einem einfachen rekursiven Skript eine 11-mal höhere Relevanz als mit Google Scholar erreicht werden kann. Die Lumina-API wird bald veröffentlicht.

Zusätzlich zur einfachen Suche bietet Lumina auch Folgendes anKI-ÜbersichtFunktion.

Wenn Sie beispielsweise mit dem Schlüsselwort „maschinelles Lernen“ suchen, wird die abgerufene Zusammenfassung des Papiers zitiert, um maschinelles Lernen einzuführen:

Durch Klicken auf das unterstrichene Schlüsselwort in der KI-Übersicht werden weitere Suchen nach dem Schlüsselwort ausgelöst:

Unterhalb der KI-Übersicht gibt es auch eine Zusammenfassung der Rechercheergebnisdiagramme der Recherchearbeiten:

Gebaut von einem dreiköpfigen Team

Hinter Lumina steht ein Entwicklungsteam von nur drei Leuten, das Investitionen von YC erhalten hat.

Mitbegründer und CEO Mehul Chadda schloss sein Studium der Werkstofftechnik an der University of Wisconsin-Madison ab. Er war ehemaliger Fertigungsingenieur bei CAMECA, einem Unternehmen für hochpräzise wissenschaftliche Instrumente, und war für die Forschung und Entwicklung der Atomtechnik verantwortlich Sonden.

Mitbegründer und CTO Akhilesh Sharma schloss sein Maschinenbaustudium an der University of Illinois in Urbana-Champaign ab. Zuvor war er Mitbegründer und technischer Leiter der Social-Media-Plattform Postpress und fungierte auch als Cloud-Technologie-Experte. Zugehöriger Berater für Neudesic, ein amerikanisches Technologieberatungsunternehmen.

Mitbegründer Ishaan Kapoor, ein Statistik-Absolvent der University of California, Los Angeles, interessiert sich für Deep Learning, lineare Algebra und große Sprachmodelle.

Zusätzlich zur neuen akademischen Suchmaschine hat das Team dieses Mal auch ein KI-Tool zur Interpretation von Papieren entwickelt –Lumina-Chat。

Klicken Sie oben rechts auf der Lumina-Homepage auf „Legacy-System“, um zur Verwendung zu gelangen.

Nach dem Öffnen sieht es so aus: Sie können das PDF hochladen und mit AI für die Papierinterpretation interagieren:

Wenn Sie sich für Kinderschuhe interessieren, können Sie diese ausprobieren~