SurveyGO (Juanji) : outil de rédaction d'articles IA par l'équipe ModelBest de Tsinghua 109

Un outil de rédaction d'articles IA développé par l'équipe ModelBest de l'Université Tsinghua. Grâce à sa technologie propriétaire LLMxMapReduce-V2, il accélère la génération de revues de littérature au niveau du « traitement de 200 heures de littérature en quelques minutes ».

#Ai工具箱 #Ai写作对话

Visiter SurveyGO (Juanji) : outil de rédaction d'articles IA par l'équipe ModelBest de Tsinghua

SurveyGO (Juanji) : outil de rédaction d'articles IA par l'équipe ModelBest de TsinghuaIntroduction

Qu'est-ce que 卷姬 (Juanji) ?

SurveyGO (卷姬), un outil de rédaction d'articles scientifiques par IA lancé par l'équipe Modelface (面壁智能) de l'Université Tsinghua, adopte la technologie LLMxMapReduce-V2 pour réaliser une agrégation intelligente de la littérature, et peut générer rapidement des synthèses académiques rigoureusement structurées et aux citations fiables en fonction du sujet saisi par l'utilisateur.

卷姬 : outil de rédaction d'articles scientifiques par IA lancé par l'équipe Modelface (面壁智能) de Tsinghua.webp

Pourquoi s'appelle-t-il 卷姬 ?

Parce que SurveyGO est très performant dans la rédaction de revues de littérature, capable de traiter rapidement un grand nombre de documents, tel un « rouleau » qui balaie l'effervescence académique, et que le nom « 卷姬 » a une prononciation adorable, il a reçu ce petit surnom affectueux de la part de tous.

Technologie de base de 卷姬

Il adopte la technologie propriétaire LLMxMapReduce-V2, qui s'appuie sur un algorithme de convolution textuelle pour agréger plusieurs références bibliographiques, remplaçant la recherche couramment utilisée dans les méthodes existantes, afin d'exploiter pleinement l'ensemble des chapitres de référence. Cette technologie permet le traitement de longs textes via les trois étapes suivantes :

Phase d'initialisation : construction du squelette de connaissances via l'initialisation du cadre, en adoptant une stratégie de « prétraitement des matières premières » pour générer des résumés structurés.
Phase d'optimisation du cadre : utilisation d'un réseau de neurones convolutif à 7 couches combiné à une évaluation de l'entropie de l'information, simulant une optimisation itérative à la manière d'un « concours culinaire »,筛选出 le meilleur cadre de connaissances après 3 tours d'auto-optimisation.
Phase de construction de la synthèse : adoption d'un mécanisme hiérarchique de génération de contenu, garantissant la cohérence logique entre les chapitres parents et les sous-modules.

Principe technique de 卷姬

Technologie LLMxMapReduce-V2 : agrégation de plusieurs références bibliographiques à l'aide d'un algorithme de convolution textuelle, similaire à l'application des réseaux de neurones convolutifs (CNN) dans le traitement d'images, en abstrayant progressivement les informations locales en représentations globales de haut niveau. Le modèle se concentre d'abord sur certains articles cités (informations locales), puis, sur la base d'opérations convolutives multi-couches, intègre les informations locales en informations structurées plus complètes, telles que la structure des paragraphes et les thèmes de l'article. Un module d'estimation de l'entropie de l'information est introduit pour guider le processus de convolution, garantissant que le processus de mise à l'échelle améliore en permanence la richesse informationnelle des résultats lors des tests.
Résolution de la limite de longueur du contexte : la méthode traditionnelle de génération augmentée par récupération (RAG) génère du contenu sur la base de la recherche des fragments de texte les plus pertinents par rapport à la requête, ce qui conduit facilement à négliger certains contenus importants qui, bien que liés au sujet, ne correspondent pas directement à la similarité sémantique. En agrégeant plusieurs documents plutôt qu'en effectuant une simple recherche, on exploite pleinement les informations de toutes les références, évitant ainsi la perte d'informations.
Génération de contenu de haute qualité : sur la base d'opérations convolutives multi-couches, extraction des informations clés de la littérature et consolidation en une sortie structurée, garantissant la logique et la cohérence de l'article généré. Citation automatique des文献 et资料 pertinents, garantissant la crédibilité et le caractère professionnel du contenu généré.
Benchmark d'évaluation : pour évaluer scientifiquement la qualité des articles générés, création du benchmark de rédaction de synthèses SurveyEval de haute qualité, le premier benchmark d'évaluation évolutif dans le domaine de l'informatique combinant les synthèses avec leurs références bibliographiques complètes.

Étapes d'utilisation de 卷姬

Méthode d'utilisation

Mode standard : adapté à la génération rapide de synthèses cadres. L'utilisateur doit simplement saisir le titre de l'article et la description des mots-clés (prise en charge du chinois et de l'anglais), et le système recherche et intègre automatiquement les文献 pertinentes en ligne. Par exemple, en saisissant « Progrès thérapeutiques chez les patients IPF âgés », SurveyGO décompose automatiquement le sujet en sous-thèmes comme « âgé » et « IPF », et génère un rapport de 25 000 mots à la logique rigoureuse.
Mode professionnel : prend en charge des sources de matériaux personnalisées, permet de télécharger des文献 locales (PDF/Word) ou de spécifier des bases de données (telles que CNKI, arXiv), adapté aux sujets nécessitant un contrôle approfondi des références. De plus, le contenu généré à partir des fichiers téléchargés peut être défini comme « non public », évitant ainsi la fuite de données sensibles.

Étapes opératoires

Sélection du mode : choisir le mode standard ou le mode professionnel selon les besoins, et remplir les informations correspondantes.
Soumission et attente : après avoir soumis le sujet, l'utilisateur peut fermer la page sans aucune opération. Le système traite les文献 en parallèle via un cadre de calcul distribué, avec un temps de génération d'environ 1 heure (pouvant être prolongé aux heures de pointe). Pendant ce temps, il est possible de se connecter à tout moment pour vérifier l'avancement, ou de consulter les sujets des autres utilisateurs dans le « formulaire de besoins de rédaction » et d'interagir avec eux par des mentions « j'aime ».
Obtention des résultats : une fois la génération terminée, cliquer sur le titre pour accéder directement au document Feishu (Lark), dont le contenu comprend la table des matières complète, le texte principal et les références bibliographiques (citations dans le texte + liste en fin de document), dans un format directement copiable dans l'article.

Avantages et inconvénients de 卷姬

Avantages

Percétechnologique : adoption de la technologie propriétaire LLMxMapReduce-V2, qui agrège plusieurs文献 via un algorithme de convolution textuelle, améliorant le taux d'utilisation des文献 et évitant le problème de fragmentation de l'information de la technologie RAG traditionnelle.
Contenu de haute qualité : génère de longues synthèses de plus de 25 000 mots, avec des structures et des niveaux clairs (phénomène → cause → solution, macro → micro), une logique rigoureuse et incluant des graphiques professionnels.
Prise en charge multilingue : prend en charge la génération en chinois et en anglais, et les rapports en chinois génèrent automatiquement une carte du réseau de connaissances.
Grande facilité d'utilisation : aucune opération complexe requise, modes standard/professionnel disponibles au choix, utilisable dès l'inscription.

Inconvénients

Limites de personnalisation : manque de réglages fins (tels que limiter la langue des文献 citées, exclure des sources spécifiques), ne pouvant répondre aux besoins personnalisés des chercheurs de haut niveau.
Risque de confidentialité : les articles générés par recherche en ligne sont rendus publics par défaut, ce qui expose facilement les sujets sensibles à la curiosité.
Prise en charge linguistique déséquilibrée : le mode chinois inclut des schémas logiques, mais pas le mode anglais.
Fiabilité des citations : les sources citées couvrent des plateformes telles que Zhihu, 36Kr, des forums universitaires, avec une bonne actualité et leur pertinence, et un faible taux d'hallucination, mais il existe quelques citations non autoritaires (telles que du contenu anonyme de Zhihu).
Fluctuations de l'efficacité de traitement : files d'attente aux heures de pointe, dépendance aux mentions « j'aime » des utilisateurs pour augmenter la priorité.