研究论文摘要：采用抽象方法和抹布技术的综合方法
项目概述
该项目旨在开发一个综合系统来汇总研究论文，并结合AI和NLP中的最新进步。它包括两个主要方法：
- 抽象文本摘要：使用编码器编码器和注意机制利用深层神经网络，该方法旨在生成简洁的研究论文摘要。
- LLM和抹布技术的整合：利用大语模型（LLM）的能力（LLMS）和检索功能的生成（RAG），这种方法着重于产生交互式摘要并从研究论文中提取有价值的见解。
方法论
抽象文本摘要
- 目标：制作封装研究论文核心思想的解释摘要。
- 技术：具有注意机制，转移学习的编码器模型。
大型语言模型和抹布技术
- 目的：使用LLM进行交互式汇总。
- 过程：微调Lamini LLM，使用NEO4J开发知识图，并实施抹布方法。
数据源
主要数据源是来自各个领域的研究论文，重点是其引入，方法论和结论部分。
配x限制
- 依赖研究论文数据的可用性和质量。
- 研究论文的多样性可能会挑战总结过程。
- LLMS的资源密集型微调。
- 通过抹布方法，潜在的不可预见的挑战。
？结论
我们的项目旨在将抽象性文本摘要与LLM和抹布技术合并，以开发一种从研究论文中提取见解的独特方法。
？参考
- Wu Minghao等。 “ Lamini-LM：大规模说明中的一组蒸馏型模型。” ARXIV预印型ARXIV：2304.14402（2023）。
- 刘易斯·帕特里克（Lewis Patrick）等。 “检索知识密集型NLP任务的生成一代。”神经信息处理系统的进展33（2020）：9459-9474。
- Nallapati Ramesh等。 “抽象性文本摘要使用序列到序列的RNN及以后。” ARXIV预印型ARXIV：1602.06023（2016）。
项目贡献者：Smit Shah，Mayur Bhanushali，Indrajeet Roy
