xolote

Xolote

Centralice su propio material de investigación y consulte con el poder de AI y LLMS. ¡Tan fácil como pedirle a ChatGPT que lo ayude en su investigación!

Motivación

Como investigadores de inicio nosotros mismos, hemos enfrentado un problema común que también puede haber enfrentado, incluso si no es exactamente un investigador: realizar un seguimiento de múltiples archivos y otras fuentes de información que son esenciales para su trabajo.

¿Cómo recuerdas una característica particular de esa contribución específica a la literatura actual? ¿En qué artículo lo leíste? ¿Cuál fue la principal fuente que ayudó a esa autora a desarrollar su algoritmo novedoso y cómo se adaptó a su problema particular?

Pensamos en Xolote como una herramienta de IA para ayudar a los investigadores con su propio material y referencias de información, como artículos académicos y artículos científicos. Más que poder responder preguntas sin contexto como ¿cuál es el tema principal de estos documentos? El objetivo es explotar el potencial de los modelos de idiomas grandes (LLM), como ChatGPT, y proporcionar una poderosa herramienta de asistencia a la mano para acelerar y mejorar el proceso de investigación que se encuentra muy comúnmente en la academia.

Sabemos que en este proceso, los investigadores tienen su propia colección de material relevante para su tema. Es posible que no lo hayan leído todo, pero al menos están familiarizados con cada una de las referencias y sus contenidos. En este punto, en la mente del investigador a menudo surgen preguntas específicas relacionadas con secciones particulares de su trabajo que, por supuesto, deben ser citadas adecuadamente, y aquí es donde queríamos una herramienta inteligente para ayudar.

Por ejemplo, al escribir su artículo, puede preguntarse: ¿cuántos valores usaron estos autores en el experimento para calibrar el parámetro alfa del algoritmo? ¿Y por qué ese rango? Por supuesto, el hecho de que tenga esa pregunta significa que lee esa sección en uno de sus documentos (y con suerte lo entendió), pero es posible que no recuerde los detalles de ese experimento en particular. ¿Por qué perder el tiempo mirando sus docenas de archivos cuando podría pedirle a una IA que actualice su memoria o que le diga dónde exactamente los autores lo describieron?

Piense en Xolote como su CHATGPT personalizado, que ya está entrenado en el lenguaje humano, con la ventaja de tener su propio material de investigación como una base de conocimiento que puede consultar, consultar, resumir, conectarse y organizarse en función de sus indicaciones.

Como nota, esto no le está evitando leer sus documentos. La mayoría de si no todos los académicos serios están de acuerdo en que no importa cuán poderosa sea la IA, los investigadores deben leer sus fuentes. Pero eso no te impide usar un Ctrl + F simple que te muestre un párrafo de que ya sabes de qué se trata. Xolote lo lleva a un nivel completamente nuevo e inteligente, gracias a la capacidad actual y al potencial futuro de la IA y las LLM específicas.

Fondo y origen

Xolote nació como uno de los proyectos para el Hackmty 2023, el hackathon más grande de América Latina. El desafío era crear una aplicación novedosa de un motor de búsqueda inteligente utilizando modelos de idiomas grandes.

En el lapso de 24 horas del hackathon, solo logramos terminar una demostración simple, que nos colocó entre los 10 mejores finalistas del concurso, de +100. ¡Estamos emocionados de ver qué más características podemos mostrar a la comunidad ahora que tenemos más tiempo!

- Grupo SU

Interfaz

Como parte del hackathon desarrollamos una interfaz de usuario para este proyecto. Planeamos mejorar y liberarlo pronto.

Manifestación

Desarrollo local

Para ejecutar este repositorio en su máquina local, necesita:

• Python 3
  • Usamos específicamente Python 3.11

Crear un entorno virtual:

 python -m venv venv

Y activarlo (ejemplo de PowerShell):

 venvScriptsActivate.ps1

Luego ejecute lo siguiente para instalar los paquetes requeridos:

pip install - r requirements.txt

Los requisitos pueden cambiar: por ahora no hay garantía de compatibilidad con versiones anteriores del repositorio.

1. Cree una cuenta AI abierta y genere una clave API.
   • A menos que obtenga créditos gratuitos, tendrá que pagar el uso de la API. Revise las tarifas aquí.
2. Cree un archivo .env con su clave API:

 OPENAI_API_KEY =< your secret key>

4. Coloque sus archivos PDF en el directorio /data/pdfs/ .
5. ¡Ejecute el cuaderno jupyter /src/llm/showcase.ipynb con sus propias preguntas!