Synergi:用于学术综合与意义建构的混合主动式系统

大语言模型(LLM)的人机协作交互式数据可视化知识管理与团队意识大学教授与研究人员软件工程师与开发者数据科学家与分析师

高效回顾学术文献并综合先验研究对科学进步至关重要。然而,出版物规模的增长和知识负担使研究线索的综合比以往任何时候都更具挑战性。虽然已有大量研究帮助学者与单篇论文交互,但构建散落在多篇论文中的研究线索仍然是一个挑战。自上而下的综合(和大语言模型)使输出难以个性化和迭代,而自下而上的综合在时间和精力上成本高昂。在这里,我们探索混合主动式工作流的新设计空间。在这样做时,我们开发了一个新颖的计算管道 Synergi,将用户相关种子线索的输入与引文图谱和大语言模型分别捆绑起来,以分别扩展和结构化它们。Synergi 允许学者从与其兴趣相关的论文生成的整个线索和子线索结构开始,并按需对其进行迭代和定制。在我们的评估中,我们发现 Synergi 帮助学者高效地理解相关线索,拓宽他们的视野,并增加他们的好奇心。我们讨论了基于线索的混合主动式学术综合支持工具的未来设计含义。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/uist/126787/2023

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3586183.3606759
一眼看懂

论文快照

fact_check
dataset
来源
UIST
calendar_month
年份
2023
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、交互式数据可视化、知识管理与团队意识
work
职业/产业
大学教授与研究人员、软件工程师与开发者、数据科学家与分析师
article
内容状态
仅摘要
hub
相关论文
4 篇相关论文