Research_Summarization_Finetuning_MistralAI_LLM

تلخيص ورقة البحث: نهج متكامل مع أساليب جذابة وتكنولوجيا الخرقة

نظرة عامة على المشروع

يهدف هذا المشروع إلى تطوير نظام شامل لتلخيص الأوراق البحثية ، والجمع بين أحدث التطورات في AI و NLP. يشمل منهجيتين أساسيتين:

1. تلخيص النص الخبيث : باستخدام الشبكات العصبية العميقة مع ترميز التشفير وآلية الاهتمام ، تهدف هذه الطريقة إلى توليد ملخصات موجزة وأعيد صياغة للأوراق البحثية.
2. دمج LLMS وتكنولوجيا الخرقة : تسخير قدرات نماذج اللغة الكبيرة (LLMs) والجيل المتمثل في الاسترجاع (RAG) ، يركز هذا النهج على إنتاج ملخصات تفاعلية واستخراج رؤى قيمة من الأوراق البحثية.

المنهجية

تلخيص النص الجذاب

• الهدف: لإنتاج ملخصات إعادة صياغة تغلف الأفكار الأساسية للأوراق البحثية.
• التقنيات: نموذج ترميز التشفير مع آلية الانتباه ، ونقل التعلم.

نماذج لغة كبيرة وتكنولوجيا خرقة

• الهدف: لاستخدام LLMS للتلخيص التفاعلي.
• العملية: ضبط LAMINI LLM ، تطوير الرسوم البيانية المعرفة مع NEO4J ، وتنفيذ منهجية RAG.

مصدر البيانات

مصادر البيانات الأولية هي أوراق بحثية من مختلف المجالات ، مع التركيز على مقدمةها ومنهجيتها وأقسام الاستنتاج.

️ القيود

• الاعتماد على توافر وجودة بيانات ورقة البحث.
• يمكن أن تتحدى الطبيعة المتنوعة للأوراق البحثية عملية التلخيص.
• صقل كثيف المكثف للموارد من LLMs.
• التحديات غير المتوقعة المحتملة مع منهجية خرقة.

؟ خاتمة

يسعى مشروعنا إلى دمج تلخيص النص الخبيث مع LLMs وتكنولوجيا RAG لتطوير نهج فريد لاستخراج رؤى من الأوراق البحثية.

؟ مراجع

1. وو مينغاو وآخرون. "Lamini-LM: قطيع متنوع من النماذج المقطرة من تعليمات واسعة النطاق." Arxiv preprint Arxiv: 2304.14402 (2023).
2. لويس باتريك وآخرون. "جيل من أجل الاسترجاع لمهام NLP كثيفة المعرفة." التقدم في أنظمة معالجة المعلومات العصبية 33 (2020): 9459-9474.
3. نالاباتي راميش وآخرون. "تلخيص النص الخبيث باستخدام RNNs التسلسل إلى التسلسل وما بعده." Arxiv preprint Arxiv: 1602.06023 (2016).

---

_{مساهمو المشروع: سميت شاه ، مايور بهانوشالي ، إندراجيت روي}