xolote

Xolote

Zentralisieren Sie Ihr eigenes Forschungsmaterial und konsultieren Sie es mit der Macht von AI und LLMs. So einfach wie Chatgpt zu bitten, Sie bei Ihrer Recherche zu unterstützen!

Motivation

Als Starterforscher haben wir uns einem gemeinsamen Problem konfrontiert, mit dem Sie möglicherweise auch konfrontiert sind, auch wenn Sie nicht genau ein Forscher sind: Verfolgen Sie mehrere Dateien und andere Informationsquellen, die für Ihre Arbeit wesentlich sind.

Wie erinnern Sie sich an ein bestimmtes Merkmal dieses spezifischen Beitrags zur aktuellen Literatur? In welchem ​​Papier hast du es gelesen? Was war die Hauptquelle, die dieser Autorin half, ihren Romanalgorithmus zu entwickeln, und wie hat sie sie an ihr spezielles Problem anpassen?

Wir betrachteten Xolote als KI -Instrument, mit dem Forscher mit eigenen Materialien und Referenzen von Informationen wie akademischen Papieren und wissenschaftlichen Artikeln unterstützt werden können. Mehr als nur kontextlose Fragen zu antworten, wie das Hauptthema dieser Arbeiten? Wir wollen das Potenzial von Großsprachmodellen (LLMs) wie ChatGPT ausnutzen und ein leistungsstarkes Hilfsinstrument zur Verfügung stellen, um den Forschungsprozess zu beschleunigen und zu verbessern, der in der Wissenschaft häufig vorkommt.

Wir wissen, dass Forscher in diesem Prozess ihre eigene Sammlung von Materialien haben, die für ihr Thema relevant sind. Sie haben vielleicht nicht alles gelesen, sind aber zumindest mit jedem der Referenzen und ihrer Inhalte vertraut. Zu diesem Zeitpunkt entstehen im Kopf des Forschers häufig spezifische Fragen zu bestimmten Abschnitten ihrer Arbeit, was natürlich angemessen zitiert werden muss, und hier wollten wir ein intelligentes Tool, bei dem wir helfen können.

Wenn Sie beispielsweise Ihr Papier schreiben, fragen Sie sich vielleicht: Wie viele Werte haben diese Autoren im Experiment verwendet, um den Alpha -Parameter des Algorithmus zu kalibrieren? Und warum dieser Bereich? Die Tatsache, dass Sie diese Frage haben , bedeutet natürlich, dass Sie diesen Abschnitt in einem Ihrer Papiere lesen (und sie hoffentlich verstanden haben), aber Sie erinnern sich möglicherweise nicht an die Besonderheiten dieses bestimmten Experiments. Warum verschwenden Sie Zeit mit Ihren Dutzenden von Dateien, wenn Sie nur eine KI bitten konnten, Ihr Speicher zu aktualisieren oder Ihnen zu sagen, wo genau die Autoren das beschrieben haben?

Stellen Sie sich Xolote als Ihren personalisierten ChatGPT vor, der bereits in der menschlichen Sprache geschult ist, mit dem Plus, Ihr eigenes Forschungsmaterial als Wissensbasis zu haben, das es beraten, abfragen, zusammenfassen und organisieren kann, basierend auf Ihren Eingaben.

Als Hinweis wird Sie nicht vor dem Lesen Ihrer Papiere festgelegt. Die meisten, wenn nicht alle ernsthaften Akademiker sind sich darin überein, dass Forscher ihre Quellen lesen müssen , egal wie mächtig die KI wird. Das hält Sie jedoch nicht auf, ein einfaches Ctrl + F zu verwenden, das Ihnen einen Absatz zeigt, von dem Sie bereits wissen, woraus es geht. Xolote nimmt dies dank der aktuellen Fähigkeiten und des zukünftigen Potenzials von AI und speziell LLMs auf eine ganz neue und intelligente Ebene.

Hintergrund und Herkunft

Xolote wurde als eines der Projekte für die Hackmty 2023 geboren, der größte Hackathon in Lateinamerika. Die Herausforderung bestand darin, eine neuartige Anwendung einer intelligenten Suchmaschine mit großer Sprachmodellen zu erstellen.

In den 24 Stunden des Hackathons haben wir es nur geschafft, eine einfache Demo zu beenden, die uns unter den Top 10 Finalisten des Wettbewerbs von +100 stellte. Wir freuen uns, zu sehen, welche mehr Funktionen wir der Community zeigen können, jetzt, da wir mehr Zeit haben!

- SU -Gruppe

Frontend

Als Teil des Hackathons haben wir eine Benutzeroberfläche für dieses Projekt entwickelt. Wir planen, es bald zu verbessern und zu veröffentlichen.

Demo

Lokale Entwicklung

Um dieses Repository in Ihrem lokalen Gerät auszuführen, das Sie benötigen:

• Python 3
  • Wir haben speziell Python 3.11 verwendet

Erstellen Sie eine virtuelle Umgebung:

 python -m venv venv

Und aktivieren Sie es (PowerShell -Beispiel):

 venvScriptsActivate.ps1

Führen Sie dann Folgendes aus, um die erforderlichen Pakete zu installieren:

pip install - r requirements.txt

Die Anforderungen können sich ändern: Im Moment gibt es keine Garantie für die Kompatibilität mit älteren Versionen des Repositorys.

1. Erstellen Sie ein offenes KI -Konto und generieren Sie einen API -Schlüssel.
   • Wenn Sie keine kostenlosen Credits erhalten haben, müssen Sie für die Verwendung der API bezahlen. Überprüfen Sie die Gebühren hier.
2. Erstellen Sie eine .env -Datei mit Ihrem API -Schlüssel:

 OPENAI_API_KEY =< your secret key>

4. Setzen Sie Ihre PDF -Dateien in /data/pdfs/ Verzeichnis.
5. Führen Sie das Jupyter Notebook /src/llm/showcase.ipynb mit Ihren eigenen Fragen aus!