3分钟看完一篇论文,这个AI文本生成模型把今年NeurIPS 2300+篇总结了个遍
行早 发自 凹非寺 量子位 报道 | 公众号 QbitAI
今年NeurIPS大会论文已经放榜,终于可以学习一下大佬们的研究了。
不过,打开电脑,随便点开一篇,就是一大段密密麻麻的文字糊脸……只是摘要就有这么长,还有2300多篇,这工作量实在劝退。
能不能让论文们都做一道经典的语文题:“用一句话概括全文内容”?
还真可以。
最近Reddit上的一位博主发布了一篇今年的NeurIPS大会论文汇总,其中的每篇论文下方(红框中)都有一句由AI生成的高度凝练的总结。
而这款AI文本分析软件,其实就是东京工业大学团队开发的Paper Digest。
它号称能帮你把论文阅读时间减少到3分钟:
除了总结论文内容以外,它还可以筛选出已经发布代码的论文。
同样,这次NeurIPS大会上的200多篇已发布代码的文章也被汇总了出来(可能会有疏漏)。
点击“code”,就可以直接跳转到相应的GitHub页面。
AI如何做好概括题
那这个AI文本分析神器应该怎么用呢?
很简单,先打开Paper Digest的官网(见文末链接)。
完成一些注册工作后,滑到一个搜索框的界面:
在这个搜索框里填上你要总结概括的论文的DOI号。
DOI号就像论文的身份证号,是独一无二的。以随便打开的一篇论文为例,它长这样(红框中即为DOI号):
填完之后,点击“Digest”就开始总结了:
只需几秒钟,就会有一句话的总结输出,你也可以选择一个最合适反馈给Paper Digest,帮他们丰富数据库。
除了输入DOI号,如果你有本地的论文PDF文件,也可以直接导入。
是不是很方便?
其实这样方便好用的模型还不止一种。
比如,在一款免费学术搜索引擎Semantic Scholar里,也加入了一个类似的高度概括AI:TLDR。
TLDR(Too Long,Don’t Read),其实就是太长不看的意思……
在Semantic Scholar上搜索论文时,带有TLDR(红框)标志的就是AI生成的一句话总结。
具体到方法原理上,我们不妨以TLDR为例一起来看看。
举个例子,下图中上边的格子中是摘要,简介,结论中相对重要的段落和句子。TLDR会标记出突出的部分,然后组合成一个新的句子。
它的训练逻辑也很容易理解。
简单来说,就是先确定一个标准答案,然后把标准答案打乱,再让TLDR尝试复原。
这和人类提炼概括的过程也很像。
概括本身也需要忽视一些干扰,然后提取出最重要的部分。
所以在训练之前要准备两个数据库,也就是标准答案:一个是SciTLDR,它包含接近2000篇计算机科学相关论文,每篇论文都有一个最好的总结。
另一个是论文-标题对数据库。由于标题中一般有很多重要的语句,对生成TLDR来说很有帮助。
将这两个数据库分别加上控制码“<TITLE>”和“<TLDR>”之后进行混合,送入BART模型。
最后的BART模型是一个基于Transformer的预训练sequence-to-sequence去噪自编码器,它的训练步骤主要有两步:
首先用任意噪声破坏函数文本,相当于把标准答案打乱。
然后让模型学习重建原来的文本。
这整个学习策略就是CATTS。
来看看效果如何。
下图中TLDR-Auth是论文作者本人写的总结,TLDR-PR是本科学生读完论文写的总结。
BART和CATTS分别是原有模型和CATTS模型给出的总结。
从重合度看起来效果还是不错的。
相关推荐还需下功夫
不过,不论是TLDR还是Paper Digest,都有不完善的地方。
TLDR只针对计算机科学的论文进行了总结。
而对于Paper Digest,网友表示它虽然概括做得很好,但是相关推荐实在是不行,今后仍需改进。
而且Paper Digest并不适用于所有论文。
目前,它只对来源于开放获取期刊的论文或者本地PDF文件导入的论文有效。
但是不论哪种文本分析AI,都可以快速获取论文高度凝练的概括信息。
如果大家想快速了解今年NeurIPS大会的论文情况,可以从文末链接中找到这次的汇总。
参考链接:
[1]https://www.reddit.com/r/MachineLearning/comments/r0gnej/r_one_sentence_highlight_for_every_neurips2021/ [2]https://aclanthology.org/2020.findings-emnlp.428.pdf [3]https://www.paperdigest.org/2021/11/neurips-2021-highlights/ [4]https://www.paper-digest.com/
— 完 —
本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容,未经账号授权,禁止随意转载。
相关文章
- 手机型号中的K、P、Z、R系列都是啥意思?命名繁多,很容易搞晕人
- 微软Skype即将迎来重大升级:带来快速、有趣、愉悦和流畅的体验
- iPhone 13用户如何选择4G、5G套餐?一文看懂
- 你的手机在哪里买的?实体店还是电商平台,二者区别很大
- 华为5G手机回归,但供货量或许很有限
- 为了保护账号安全,微软邀你删了密码
- QQ可直接打开淘宝、抖音链接:外链屏蔽逐步解除
- 腾讯实战案例!QQ圆梦表情设计复盘
- ToB新视角:小程序生态评估方法探索
- 7月份国内高端手机市场苹果竟然占据了63%,但我很期待8月的成绩
- 腾讯QQ更新!上线“美体”功能 小姐姐实测:秒变大长腿
- 针对用户操作失误,如何给产品的体验加分?
- 腾讯出品!手机银行适老化设计探索(附超多干货)
- 腾讯内测曝光,刷手支付来了?业内专家:应用前景不乐观
- 腾讯出品!7 种人机交互设计模型科普
- 新版 iOS/iPadOS 15 开发工具优先考虑 5G 而非 Wi-Fi
- 上线不足半月!腾讯“小借条”功能遭举报:涉嫌不正当竞争
- 为什么手机越来越贵了?
- 应用程序现代化的11个秘密
- 腾讯高手都在学的「感知性模式设计」是什么?