SyntheSearch
v1.0.0
SynthEsearch : Uma ferramenta de pesquisa inteligente que encontra e sintetiza os trabalhos mais relevantes, economizando tempo dos pesquisadores e aprimorando a percepção.
Navegue até o diretório de back -end:
cd backendConfigure um ambiente virtual:
python3 -m venv venvAtive o ambiente virtual:
source venv/bin/activateInstale dependências:
pip install -r requirement.txt
️ Nota: No iOS, verifique sepywin32é removido dorequirement.txt.
Execute o servidor:
uvicorn main:app --reloadNavegue até o diretório de front -end:
cd frontendInstale dependências:
npm iInicie o servidor de desenvolvimento:
npm run devO SynthEsearch é um aplicativo da Web projetado para otimizar o processo de pesquisa para estudantes e pesquisadores, localizando com eficiência trabalhos de pesquisa relevantes. Os pesquisadores geralmente passam horas vasculhando trabalhos, na esperança de encontrar os estudos que melhor correspondem aos seus interesses. O SynthEsearch visa reduzir esse tempo, sugerindo de maneira inteligente os artigos mais relevantes e gerando uma síntese para revelar como os estudos se inter -relacionam, oferecendo aos usuários uma visão geral perspicaz que economiza tempo e aprimora a compreensão.
A inspiração para o SynthEsearch veio de nossas próprias experiências como alunos. Antes de Hackumass XII, um membro da equipe lutou para encontrar trabalhos de pesquisa sobre aplicações de aprendizado de máquina na detecção de câncer. O processo de localização de fontes credíveis foi exaustivo e demorado, mesmo com ferramentas de pesquisa de biblioteca otimizadas. Essa frustração nos inspirou a desenvolver um mecanismo de pesquisa mais eficiente que aproveite os grandes modelos de idiomas (LLM) e bancos de dados de vetores para superfície de pesquisa e resumo relevantes rapidamente ...
Escolhemos o Python para o back -end por causa de suas extensas estruturas para o desenvolvimento da IA. O Databricks foi usado para otimizar nosso pipeline de aprendizado de máquina. Veja como nos aproximamos da construção do SynthEsearch:
Este projeto foi uma experiência de aprendizado inestimável. Como foi o nosso primeiro projeto LLM, adquirimos experiência prática com as tecnologias da Genai, particularmente o poder dos bancos de dados vetoriais. Aprendemos a importância da comunicação clara da equipe e agora temos uma compreensão mais profunda do LLMS e suas capacidades na revolução da recuperação de informações.
Através da SynthEsearch, estamos entusiasmados em contribuir com a eficiência do processo de pesquisa, capacitando os pesquisadores a se concentrarem nas idéias, em vez da sobrecarga de informações.
