νέα

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Η ακαδημαϊκή μηχανή αναζήτησης που κατασκευάστηκε από μια ομάδα τριών ατόμων κέρδισε απευθείας το SOTA!

Ισχυρίζεται ότι η συνάφεια των αποτελεσμάτων αναζήτησης είναι κατά μέσο όρο πέντε φορές υψηλότερη από αυτή του Μελετητή Google και μπορεί να αναζητήσει πάνω από 100 εκατομμύρια ερευνητικά αντικείμενα χωρίς να βασίζεται στο LLM.

Τι περισσότερο:δωρεάν, το φοιτητικό πάρτι είναι εκστασιασμένο!

Ας ρίξουμε μια ματιά πρώτα στα εφέ χρήσης Εισαγάγετε λέξεις-κλειδιά αναζήτησης και χρειάζονται μόνο 350 χιλιοστά του δευτερολέπτου.

Μπορείτε επίσης να φιλτράρετε αρχεία που μπορούν να προβληθούν ως PDF με ένα κλικ.

Μπορείτε να ορίσετε το φιλτράρισμα με ένα κλικ από το έτος και τον αριθμό αναφορών σε τύπο δημοσίευσης και συγκεκριμένο περιοδικό:

Μπορείτε να κάνετε προεπισκόπηση των εργασιών που αναζητήσατε κάνοντας κλικ στον τίτλο και να υποστηρίξετε την αντιγραφή με ένα κλικ κοινών μορφών ακαδημαϊκών παραπομπών:

Αυτή η νέα μηχανή αναζήτησης ονομάζεταιLumina, λέγεται ότι έχει επεξεργαστεί περισσότερα από 300.000 ερωτήματα και υποστηρίζει 24 γλώσσες.

Προκειμένου να γίνει σύγκριση με τις παραδοσιακές ακαδημαϊκές μηχανές αναζήτησης όπως το Google Scholar, η ομάδα ανάπτυξης διεξήγαγε επίσης μια δοκιμή αναφοράς και η βάση κώδικα ήταν ανοιχτού κώδικα. Τα αποτελέσματα της δοκιμής έδειξαν ότι η συνάφεια των αποτελεσμάτων αναζήτησης Lumina κέρδισε το SOTA.

Οι προγραμματιστές έκαναν tweet για να αμφισβητήσουν την Google:

Χρειάστηκαν και οι τρεις μας μερικούς μήνες για να το φτιάξουμε και είναι καλύτερο από αυτό της Google.

Ο συνιδρυτής και CTO της μηχανής προσομοίωσης AI 3D Ego και ένας πρώην ερευνητής του Meta είπε αφού το παρακολούθησε, έκλεισε τα μάτια του και όρμησε:

Συνιστώ ανεπιφύλακτα σε όλους να το δοκιμάσουν.

Πολλοί μελετητές εξέφρασαν επίσης ότι είναι πολύ χρήσιμο:

Η συνάφεια αναζήτησης είναι έως και 11 φορές υψηλότερη

Όπως αναφέρθηκε στην αρχή, για να δοκιμάσει την απόδοση του Lumina, η ερευνητική ομάδα ανοιχτού κώδικα προχώρησε σε μια δοκιμή αναφοράς.

Χρησιμοποιώντας το GPT-4 ως "αξιολογητή", εστιάσαμε στη σύγκριση της συνάφειας και της ακρίβειας των αποτελεσμάτων αναζήτησης Lumina Base (βασική λειτουργία αναζήτησης), Lumina Recursive (αναδρομική λειτουργία αναζήτησης), Semantic Scholar και Google Scholar.

Η άμεση ανίχνευση αξιολογεί κάθε μηχανή αναζήτησηςΤα 10 κορυφαία αποτελέσματα αναζήτησης, η σύγκριση έχει ως εξής:

Στη λειτουργία βασικής αναζήτησης (Βάση Lumina), τα αποτελέσματα αναζήτησης του Lumina είναι 4,8 φορές πιο σχετικά από το Google Scholar και 8 φορές πιο σχετικά από το Semantic Scholar Η αξιολόγηση βασίζεται σε ένα σύνολο δεδομένων περίπου 2470 ερωτημάτων.

Στη λειτουργία αναδρομικής αναζήτησης του Lumina, η συνάφεια των αποτελεσμάτων αναζήτησης βελτιώνεται περαιτέρω, 6,8 φορές υψηλότερη από το Google Scholar και 11,3 φορές υψηλότερη από το Semantic Scholar, επίσης με βάση 2470 σύνολα δεδομένων ερωτημάτων.

Επιπλέον, το Lumina παρέχει με συνέπεια 2-3 ανά αναζήτησηΕξαιρετικά σχετικόΩς αποτέλεσμα, σε σύγκριση, μόνο το 50% των αναζητήσεων του Μελετητή Google παρείχε ένα εξαιρετικά σχετικό αποτέλεσμα και μόνο το 30% των αναζητήσεων του Semantic Scholar πληρούσαν αυτό το πρότυπο.

Με άλλα λόγια, η Lumina μπορεί να βρει ερευνητικά αποτελέσματα που διαφορετικά θα ήταν δύσκολο να βρεθούν.

Η ομάδα είπε επίσης ότι χρησιμοποιώντας το Lumina API και ένα απλό αναδρομικό σενάριο, μπορεί να επιτύχει 11 φορές μεγαλύτερη συνάφεια από το Google Scholar. Το Lumina API θα κυκλοφορήσει σύντομα.

Εκτός από τη βασική αναζήτηση, το Lumina παρέχει επίσηςΕπισκόπηση AIΛειτουργία.

Για παράδειγμα, εάν πραγματοποιήσετε αναζήτηση με τη λέξη-κλειδί "μηχανική εκμάθηση", θα παραθέσετε την ανακτημένη περίληψη χαρτιού για να εισαγάγετε τη μηχανική εκμάθηση:

Κάνοντας κλικ στην υπογραμμισμένη λέξη-κλειδί στην επισκόπηση AI θα ενεργοποιηθούν περαιτέρω αναζητήσεις για τη λέξη-κλειδί:

Κάτω από την επισκόπηση της τεχνητής νοημοσύνης, υπάρχει επίσης μια σύνοψη των διαγραμμάτων αποτελεσμάτων έρευνας των εγγράφων αναζήτησης:

Κατασκευάστηκε από μια ομάδα τριών ατόμων

Πίσω από τη Lumina βρίσκεται μια ομάδα ανάπτυξης μόνο τριών ατόμων, η οποία έχει λάβει επένδυση από την YC.

Ο συνιδρυτής και διευθύνων σύμβουλος Mehul Chadda αποφοίτησε από το Πανεπιστήμιο του Wisconsin-Madison με πτυχίο στη μηχανική υλικών. Ήταν πρώην μηχανικός κατασκευής στην CAMECA, μια εταιρεία επιστημονικών οργάνων υψηλής ακρίβειας, και ήταν υπεύθυνος για την έρευνα και την ανάπτυξη ατομικών. ανιχνευτές.

Ο συνιδρυτής και CTO Akhilesh Sharma αποφοίτησε από το Πανεπιστήμιο του Illinois στο Urbana-Champaign με πτυχίο μηχανολογίας. Ήταν στο παρελθόν συνιδρυτής και τεχνικός διευθυντής της πλατφόρμας κοινωνικών μέσων Postpress και υπηρέτησε επίσης ως τεχνολογία cloud. σχετικός σύμβουλος της Neudesic, μιας αμερικανικής εταιρείας συμβούλων τεχνολογίας.

Ο συνιδρυτής Ishaan Kapoor, πτυχιούχος στατιστικής από το Πανεπιστήμιο της Καλιφόρνια στο Λος Άντζελες, ενδιαφέρεται για τη βαθιά μάθηση, τη γραμμική άλγεβρα και τα μεγάλα γλωσσικά μοντέλα.

Εκτός από τη νέα ακαδημαϊκή μηχανή αναζήτησης αυτή τη φορά, η ομάδα δημιούργησε επίσης ένα εργαλείο ερμηνείας χαρτιού AI——Lumina-chat。

Κάντε κλικ στο "Legacy System" στην επάνω δεξιά γωνία της αρχικής σελίδας του Lumina για να μεταβείτε στη χρήση.

Μετά το άνοιγμα, μοιάζει με αυτό. Μπορείτε να ανεβάσετε το PDF και να αλληλεπιδράσετε με την τεχνητή νοημοσύνη για ερμηνεία χαρτιού:

Αν σας ενδιαφέρουν τα παιδικά παπούτσια, μπορείτε να τα δοκιμάσετε~