SurveyGO (Цзюаньцзи): ИИ-инструмент для написания статей от команды ModelBest (Цинхуа) 107

ИИ-инструмент для написания научных статей, разработанный командой ModelBest из Университета Цинхуа. Благодаря собственной технологии LLMxMapReduce-V2 он ускоряет создание обзора литературы до уровня «обработки 200 часов литературы за считанные минуты».

#Ai工具箱 #Ai写作对话

Перейти SurveyGO (Цзюаньцзи): ИИ-инструмент для написания статей от команды ModelBest (Цинхуа)

SurveyGO (Цзюаньцзи): ИИ-инструмент для написания статей от команды ModelBest (Цинхуа)Описание

Что такое Цзюаньцзи?

SurveyGO (Цзюаньцзи) — это ИИ-инструмент для написания инструмент научных работ, разработанный командой ModelBest (Mianbi Intelligence) из Университета Цинхуа. Он использует технологию LLMxMapReduce-V2 для интеллектуальной агрегации литературы и способен на основе введённой пользователем темы быстро генерировать академические обзоры со строгой структурой и надёжными ссылками.

Цзюаньцзи: ИИ-инструмент для написания научных работ от команды ModelBest Университета Цинхуа.webp

Почему называется Цзюаньцзи?

Поскольку SurveyGO превосходно справляется с написанием литературных обзоров и способен быстро обрабатывать большие объёмы литературы, словно «сворачивая» академическую конкуренцию, а само название «Цзюаньцзи» звучит мило, пользователи дали ему это ласковое прозвище.

Основная технология Цзюаньцзи

В нём используется собственная технология LLMxMapReduce-V2, которая с помощью алгоритма текстовой свёртки агрегирует несколько ссылочных документов, заменяя широко применяемый в существующих методах поиск, что позволяет в полной мере использовать все ссылочные разделы. Эта технология реализует обработку длинных текстов в три следующих этапа:

Этап инициализации: построение основы знаний через инициализацию фреймворка с применением стратегии «предварительной обработки сырья» для генерации структурированных аннотаций.
Этап оптимизации фреймворка: использование 7-слойной свёрточной нейронной сети в сочетании с оценкой информационной энтропии для итеративной оптимизации в стиле «кулинарного соревнования»; после 3 раундов самооптимизации отбирается лучшая структура знаний.
Этап построения обзора: применение иерархического механизма генерации контента, обеспечивающего логическую согласованность между родительскими разделами и дочерними модулями.

Принцип работы технологии Цзюаньцзи

Технология LLMxMapReduce-V2: агрегирует несколько ссылочных документов с помощью алгоритма текстовой свёртки, подобно тому, как свёрточные нейронные сети (CNN) применяются в обработке изображений, постепенно абстрагируя локальную информацию до высокоуровневых глобальных представлений. Модель сначала фокусируется на части цитируемых статей (локальная информация), затем посредством многослойной свёртки интегрирует локальную информацию в более полную структурированную, например, в структуру абзацев и темы статьи. Введён модуль оценки информационной энтропии, который управляет процессом свёртки и обеспечивает повышение информационного содержания результатов при масштабировании во время тестирования.
Решение проблемы ограничения длины контекста: традиционные методы генерации с дополнением поиском (RAG) генерируют контент на основе поиска наиболее релевантных запросу фрагментов текста, что легко приводит к пропуску важного материала, который, хотя и связан с темой, не может напрямую соответствовать семантической близости. Агрегация нескольких документов вместо простого поиска позволяет в полной мере использовать информацию всех ссылок и избежать потери данных.
Генерация высококачественного контента: на основе многослойной свёртки извлекается ключевая информация из литературы и интегрируется в структурированный вывод, что обеспечивает логичность и связность сгенерированной статьи. Автоматическое цитирование соответствующей литературы и материалов гарантирует достоверность и профессионализм сгенерированного контента.
Оценочный бенчмарк: для научной оценки качества сгенерированных статей был создан высококачественный бенчмарк для написания обзоров SurveyEval — первый масштабируемый бенчмарк в области компьютерных наук, объединяющий обзоры с полными списками литературы.

Шаги по использованию Цзюаньцзи

Способы использования

Обычный режим: подходит для быстрого создания обзоров-каркасов. Пользователю достаточно ввести название работы и ключевые слова (поддерживается китайский и английский языки), система автоматически выполнит онлайн-поиск и интегрирует релевантную литературу. Например, при вводе «Прогресс в лечении пожилых пациентов с ИЛФ» SurveyGO автоматически разобьёт тему на подтемы «пожилые» и «ИЛФ» и сгенерирует логически строгий отчёт на 25 000 слов.
Профессиональный режим: поддерживает пользовательские источники материалов, позволяет загружать локальные документы (PDF/Word) или указывать базы данных (например, CNKI, arXiv), что подходит для задач, требующих глубокого контроля над списком литературы. При этом контент, созданный на основе загруженных файлов, можно установить как «не публичный», чтобы избежать утечки конфиденциальных данных.

Порядок действий

Выбор режима: в зависимости от потребностей выберите обычный или профессиональный режим и заполните соответствующую информацию.
Отправка и ожидание: после отправки темы пользователь может закрыть страницу без каких-либо дополнительных действий. Система параллельно обрабатывает литературу через распределённый вычислительный фреймворк, генерация занимает около 1 часа (в пиковые периоды время может увеличиваться). В это время можно в любой момент войти в систему, чтобы проверить прогресс, а также в «форме заявок на написание» просматривать темы других пользователей, ставить лайки и взаимодействовать.
Получение результата: после завершения генерации нажмите на заголовок, чтобы сразу перейти к документу Feishu; содержимое включает полное оглавление, основной текст, список литературы (внутритекстовые ссылки + список в конце работы), формат можно напрямую копировать в диссертацию.

Преимущества и недостатки Цзюаньцзи

Преимущества

Технологический прорыв: используется собственная технология LLMxMapReduce-V2, агрегирующая несколько документов посредством алгоритма текстовой свёртки, увеличивается степень использования литературы и устраняется проблема фрагментации информации, характерная для традиционной технологии RAG.
Высокое качество контента: генерируются обзоры объёмом более 25 000 слов с чёткой структурной иерархией (явление → причина → решение, макро → микро), строгой логикой и профессиональными диаграммами.
Многоязычная поддержка: поддерживается генерация на китайском и английском языках; в отчётах на китайском языке автоматически формируется карта логики знаний.
Простота использования: не требуется сложных операций, доступны два режима — обычный и профессиональный, можно пользоваться сразу после регистрации.

Недостатки

Ограничения настройки: отсутствуют тонкие параметры (например, ограничение языка цитируемой литературы, исключение определённых источников), что не позволяет удовлетворить индивидуальные потребности продвинутых исследователей.
Риски конфиденциальности: по умолчанию статьи, сгенерированные в результате онлайн-поиска, являются публичными, что создаёт риск ознакомления с конфиденциальными темами.
Неравномерная языковая поддержка: китайский режим включает логические схемы, в английском режиме такой функции нет.
Надёжность цитирования: источники цитирования охватывают такие платформы, как Zhihu, 36Kr, форумы вузов, обладают высокой актуальностью и релевантностью, низким уровнем галлюцинаций, однако встречаются отдельные неавторитетные ссылки (например, анонимный контент на Zhihu).
Колебания эффективности обработки: в пиковые периоды требуется ожидание в очереди, приоритет зависит от лайков пользователей.