LitLLM: A Toolkit for Scientific Literature Review

要約

科学論文のために文献レビューを実施することは、研究、その制限、および既存の作業に基づいて構築するために不可欠です。
これは、自動文献レビュージェネレーターを魅力的にする退屈な作業です。
残念ながら、大規模な言語モデル（LLM）を使用してこのようなレビューを生成する多くの既存の作品には、大きな制限があります。
彼らは非致命的な情報を幻覚化する傾向があり、彼らが訓練されていない最新の研究を無視します。
これらの制限に対処するために、LLMSの助けを借りて、検索拡張生成（RAG）の原則、専門的なプロンプト、指導テクニックで動作するツールキットを提案します。
当社のシステムは、最初に、オフシェルフLLMを使用してユーザーが提供するアブストラクトをキーワードにまとめることにより、関連する論文を取得するためにWeb検索を開始します。
著者は、関連する論文やキーワードを補充することにより、検索を強化し、調整された検索プロセスに貢献できます。
第二に、システムは、ユーザーが提供する要約に基づいて、取得した論文を再ランクします。
最後に、関連する作業セクションは、再ランクの結果と要約に基づいて生成されます。
従来の方法と比較して、文献レビューのために時間と労力が大幅に削減され、効率的な代替手段としてツールキットを確立しています。
デモやツールキットを含むプロジェクトページには、https：//litllm.github.ioにアクセスできます。

要約(オリジナル)

Conducting literature reviews for scientific papers is essential for understanding research, its limitations, and building on existing work. It is a tedious task which makes an automatic literature review generator appealing. Unfortunately, many existing works that generate such reviews using Large Language Models (LLMs) have significant limitations. They tend to hallucinate-generate non-factual information-and ignore the latest research they have not been trained on. To address these limitations, we propose a toolkit that operates on Retrieval Augmented Generation (RAG) principles, specialized prompting and instructing techniques with the help of LLMs. Our system first initiates a web search to retrieve relevant papers by summarizing user-provided abstracts into keywords using an off-the-shelf LLM. Authors can enhance the search by supplementing it with relevant papers or keywords, contributing to a tailored retrieval process. Second, the system re-ranks the retrieved papers based on the user-provided abstract. Finally, the related work section is generated based on the re-ranked results and the abstract. There is a substantial reduction in time and effort for literature review compared to traditional methods, establishing our toolkit as an efficient alternative. Our project page including the demo and toolkit can be accessed here: https://litllm.github.io

arxiv情報

提供元, 利用サービス

arxiv.jp, Google