Lesen von Forschungsarbeiten im Zeitalter der LLMs

Ein interessantes Gespräch auf X darüber, wie schwierig es wird, mit neuen Forschungsarbeiten Schritt zu halten, da deren Zahl ständig zunimmt. Ehrlich gesagt besteht allgemeiner Konsens darüber, dass es unmöglich ist, mit der gesamten Forschung Schritt zu halten, die derzeit im KI-Bereich stattfindet, und wenn wir nicht in der Lage sind, mitzuhalten, verpassen wir viele wichtige Informationen. Der Kernpunkt des Gesprächs warfare: Für wen schreiben wir, wenn Menschen es nicht lesen können, und wenn es LLMs sind, die die Zeitungen tatsächlich lesen, welches ist das ideale Format für sie?

Das hat mich zum Nachdenken gebracht und mich an einen Artikel erinnert, den ich 2021 über die Instruments geschrieben habe, die ich früher verwendet habe Forschungsarbeiten effektiv lesen und wie ich damals Zeitungen gelesen habe. Das warfare die Zeit vor ChatGPT, und mir wurde klar, wie sehr sich das Lesen von Papier seitdem für mich verändert hat.

Deshalb teile ich heute mit, wie ich Forschungsarbeiten lese, sowohl manuell als auch mit KI-Unterstützung. Ich hoffe, dass einige dieser Ideen oder Instruments Ihnen dabei helfen können, einen Ablauf zu schaffen, der für Sie funktioniert, wenn auch Sie von der Geschwindigkeit überwältigt werden. Ich habe keine wirkliche Antwort darauf, wie ein ideales Papierformat im LLM-Zeitalter aussehen sollteaber ich kann zumindest mitteilen, was bisher für mich funktioniert hat.

Der manuelle Weg – Drei-Durchgangs-Methodenstil

Es gab eine Zeit, in der das Lesen ausschließlich manuell erfolgte und wir entweder Papiere ausdruckten und sie lasen oder dies über einen E-Reader taten. Während dieser Zeit wurde ich mit einem Aufsatz von S. Keshav über das Thema bekannt gemacht Drei-Cross-Methode. Ich bin mir sicher, dass auch Sie darauf gestoßen sind. Es ist eine einfache, aber elegante Artwork, eine Arbeit zu lesen, indem der Prozess in drei Schritte unterteilt wird.

Wie in der Abbildung oben gezeigt, können Sie mit der Methode mit drei Durchgängen steuern, wie tief Sie gehen möchten, basierend auf Ihrem Ziel und der Zeit, die Sie haben. Folgendes beinhaltet jeder Durchgang:

1. Der erste Durchgang ermöglicht einen schnellen Blick aus der Vogelperspektive. Sie scannen das Papier, um seine Hauptidee zu verstehen und zu prüfen, ob es related ist. Ziel ist es, die Frage zu beantworten 5 Cs Am Ende Ihrer Lektüre: die Kategorie der Arbeit, ihre Beitragob die Annahmen sind richtigDie Klarheit des Schreibens und der Kontext der Arbeit. Dies sollte nicht länger als 5–10 Minuten dauern.
2. Der zweite Durchgang kann bis zu einer Stunde dauern und geht etwas tiefer. Sie können Notizen und Kommentare machen, aber die Korrekturen vorerst überspringen. Sie müssen sich in erster Linie auf die Zahlen und Grafiken konzentrieren und versuchen, den Zusammenhang zwischen den Ideen zu erkennen.
3. Der dritte und letzte Durchgang braucht Zeit. Inzwischen wissen Sie, dass die Arbeit related ist, additionally lesen Sie sie in dieser Part sorgfältig durch. Sie sollten in der Lage sein, das gesamte Argument nachzuvollziehen, die Schritte zu verstehen und die Arbeit im Geiste nachzubilden. Hier hinterfragen Sie auch die Annahmen und prüfen, ob die Ideen Bestand haben.

Auch heute noch versuche ich, so weit wie möglich, mit der Drei-Durchgänge-Methode zu beginnen. Ich fand es nicht nur für Forschungsarbeiten nützlich, sondern auch für lange technische Blogs und Artikel.

Die Chatbot-Zusammenfassungsart – Vanilla-Stil

Heutzutage ist es einfach, einen Artikel in einen LLM-basierten Chatbot einzureichen und um eine kurze Zusammenfassung zu bitten. Daran ist nichts auszusetzen, aber ich habe das Gefühl, dass die meisten KI-Zusammenfassungen schnell sind und manchmal die Ideen verflachen.

Aber ich habe nur wenige Eingabeaufforderungen gefunden, die besser funktionieren als die Vanilla.“Fassen Sie dieses Papier zusammen”-Eingabe. Beispielsweise können Sie den LLM bitten, die Zusammenfassung in einem Drei-Durchlauf-Stil auszugeben, der gleichen Methode, die wir im vorherigen Abschnitt besprochen haben und die eine viel bessere Ausgabe liefert.

Give me a three-pass fashion take a look at this paper.
Cross 1: a fast skim of what the paper is about.
Cross 2: the primary concepts and why they matter.
Cross 3: the deeper particulars I ought to take note of.

Eine weitere Eingabeaufforderung, die intestine funktioniert, ist ein einfacher Downside-Idee-Beweis-Stil:

Inform me:
• what downside the paper tries to unravel
• the primary thought they use
• how they help it
• what the outcomes imply.

Oder wenn ich überprüfen möchte, wie eine Arbeit im Vergleich zu früheren Arbeiten abschneidet, kann ich fragen:

Give me the primary thought of the paper and in addition level out its limits or issues 
to watch out about

Sie können den Chat jederzeit fortsetzen und nach weiteren Particulars fragen, wenn Ihnen die erste Antwort oberflächlich vorkommt. Aber das Hauptproblem ist für mich immer noch dasselbe: Man muss zwischen den Registerkarten wechseln, um sich das Papier anzusehen und dann die Erklärung zu vergleichen, und beide befinden sich an unterschiedlichen Stellen. Für mich wird dieses ständige Hin und Her zu einem Reibungspunkt. Es muss einen besseren Weg geben, der sowohl die Quelle als auch die KI-Unterstützung auf derselben Leinwand hält, und das bringt uns zum nächsten Teil.

Der Weg der Spezialtools – die Benutzeroberfläche ist wichtig

Deshalb machte ich mich daran, Instruments zu erkunden, die LLM-Unterstützung bieten und gleichzeitig eine bessere Benutzeroberfläche und ein reibungsloseres Leseerlebnis bieten. Hier sind drei, die ich persönlich verwendet habe. Dies ist keine erschöpfende Liste, sondern nur diejenigen, die meiner Erfahrung nach intestine funktionieren, ohne das grundlegende Leseerlebnis zu ersetzen. Außerdem werde ich bei jedem Instrument auf die Funktionen hinweisen, die mir am besten gefallen.

1. alphaXiv

AlphaXiv ist das Instrument, das ich schon lange verwende, weil es viele nützliche Dinge direkt in die Plattform integriert hat. Es ist einfach, hier einen Artikel zu finden, entweder über den Feed oder indem man einen beliebigen arXiv-Hyperlink nimmt und ersetzt arxiv mit alphaxiv. Sie erhalten eine übersichtliche Benutzeroberfläche und eine Reihe KI-gestützter Instruments, die direkt auf dem Papier platziert sind. Es gibt ein bekanntes Chat-Fenster, aber ansonsten können Sie es tun hervorheben Klicken Sie auf einen beliebigen Teil des Papiers und stellen Sie direkt dort eine Frage. Sie können mit dem auch Kontext aus anderen Artikeln abrufen @ Besonderheit. Wenn Sie tiefer gehen möchten, werden verwandte Artikel, der GitHub-Code, die Artwork und Weise, wie andere die Arbeit zitieren, sowie kleine Literaturhinweise zum Thema angezeigt. Es gibt auch eine KI-Audio-Vorlesungsfunktion, aber ich verwende sie nicht oft.

Mein Lieblingsteil ist der Weblog-Stil-Modus. Es gibt mir eine einfache, lesbare Model des Papiers, die mir bei der Entscheidung hilft, ob ich es vollständig lesen sollte oder nicht. Dadurch bleiben die Zahlen und die Struktur erhalten, quick so, als würde ich aus einer Zeitung einen Weblog machen.

• So versuchen Sie es: Ersetzen arxiv mit alphaxiv in einem beliebigen arXiv-Hyperlink oder öffnen Sie ihn direkt von der Web site unter alphaxiv.org.

2. Papiere

Wie entdeckt man neue Papiere? Bei mir geschieht das über ein paar Publication, aber meistens über einige prominente X-Accounts. Das Downside besteht jedoch darin, dass es viele solcher Konten gibt und es daher viel Rauschen gibt und es schwieriger geworden ist, den Signalen zu folgen. Papiere fasst Gespräche über einen Aufsatz und andere damit zusammenhängende Aufsätze an einem Ort zusammen und macht die Entdeckung zu einem Teil des Leseflusses selbst.

Papiers ist ein relativ neues Instrument, verfügt aber bereits über einige großartige Funktionen. Beispielsweise können Sie nicht nur Gespräche über die Arbeit führen, sondern auch eine Wiki-Stil Sehen Sie sich die Inhalte in zwei Formaten an – technisch und barrierefrei, sodass Sie das Format entsprechend Ihrer Vertrautheit mit dem Thema auswählen können. Es gibt auch eine Abstammung Ansicht, die die Eltern und Kinder der Zeitung zeigt, sodass Sie sehen können, was die Arbeit geprägt hat und was danach kam. Und es gibt auch eine Mindmap-Funktion (denken Sie an NotebookLM), die ziemlich nett ist.

Ich wollte hier darauf hinweisen, dass mir das Instrument geholfen hat paper not discovered Bei einigen Papieren ist ein Fehler aufgetreten, oder bei einigen fehlte der X-Einzug. Bei den prominenten Zeitungen hat es jedoch funktioniert. Ich habe mich umgesehen und in einem X-Thread herausgefunden, dass Papiere derzeit auf Anfrage indiziert werden, additionally denke ich, dass das die Erklärung ist. Da es sich jedoch um ein neues Instrument handelt und die Angebote mir sehr intestine gefallen, bin ich mir sicher, dass sich dieser Teil mit der Zeit verbessern wird.

• So versuchen Sie es: Ersetzen arxiv mit papiers in einem beliebigen arXiv-Hyperlink oder öffnen Sie ihn direkt von der Web site unter papiers.

3. Lumi

Lumi ist ein Open-Supply-Instrument der Menschen + KI-Forschung Gruppe bei Google und wie viele ihrer Arbeiten verfügt es über eine beeindruckende und durchdachte Benutzeroberfläche. Lumi hebt die wichtigsten Teile des Papiers hervor und platziert kurze Zusammenfassungen am Seitenrand, sodass Sie immer das Originalpapier zusammen mit der von der KI generierten Zusammenfassung lesen können. Sie können auch auf eine beliebige Referenz klicken und gelangen direkt zum genauen Satz in der Arbeit. Das Besondere an Lumi ist, dass es nicht nur den Textual content erklärt, sondern Sie können auch ein Bild auswählen und Lumi bitten, es ebenfalls zu erklären.

Der einzige Nachteil ist, dass es derzeit funktioniert arXiv Artikel unter einer Inventive-Commons-Lizenz, aber ich würde es gerne so erweitern, dass es ganz arXiv abdeckt und vielleicht sogar das Hochladen von PDFs anderer Artikel ermöglicht.

Andere erwähnenswerte Instruments

Während ich hauptsächlich die oben genannten Instruments verwende, gibt es einige andere, die mir auf jeden Fall über den Weg gelaufen sind, und ich möchte Sie ermutigen, sie auszuprobieren, wenn sie zu Ihrem Lesestil passen, wie zum Beispiel: Sie sind nicht zu meiner Hauptauswahl geworden, aber sie haben einige gute Ideen und könnten je nach Ihrem Lesestil intestine für Sie funktionieren.

• OpenRead ist eine großartige Possibility zum Lesen von Aufsätzen und zum Durchführen einer Literaturrecherche. Es gibt einige tolle Add-ons wie das Vergleichen von Papieren, Papierdiagramme um verbundene Papiere anzuzeigen und a Papier-Espresso Funktion, die eine prägnante, einseitige Zusammenfassung des Papiers liefert.

Hierbei ist zu beachten, dass OpenRead ein kostenpflichtiges Instrument ist, es jedoch eine Freemium-Model gibt.

• SciSpace ist ein sehr vielseitiges Instrument und Sie können nicht nur mit einer Arbeit chatten, sondern auch semantische Literaturrecherchen durchführen, tief in die Recherche einsteigen, Arbeiten schreiben und sogar Visualisierungen für Ihre Arbeit erstellen. Es gibt noch viele andere Dinge, die Sie in ihrer Suite erkunden können. Wie OpenRead ist es auch ein kostenpflichtiges Instrument mit eingeschränkten Funktionen, die im kostenlosen Kontingent verfügbar sind.
• Tageszeitungen von HuggingFace ist eine großartige Possibility, wenn Sie Trendpapiere sehen möchten, um Trendpapiere zu sehen. Eine weitere nette Geste an ihm ist, dass Sie auf HuggingFace sofort die Modelle, Datensätze und Leerzeichen sehen können, in denen ein bestimmter Artikel zitiert wird (falls vorhanden), und auch mit den Autoren chatten können.

Abschluss

Der Großteil meiner Lektüre ist Teil der Literaturrecherche für meinen Weblog und eine Mischung aus den drei oben genannten Strategien. Ich gehe Papiere immer noch gerne manuell durch, aber wenn ich weiter gehen, zusammenhängende Papiere sehen oder etwas detaillierter verstehen möchte, helfen mir die drei genannten Instruments sehr. Mir ist bewusst, dass es noch viele weitere KI-gestützte Instruments zum Lesen von Aufsätzen gibt, aber genau wie das Sprichwort Zu viele Köche verderben den Breiich bleibe gerne bei ein paar und springe nicht zwischen Favoriten hin und her, es sei denn, es gibt eine wirklich herausragende Funktion.