Qlarify:用于科学论文动态信息检索的可递归扩展摘要

大语言模型(LLM)的人机协作交互式数据可视化大学教授与研究人员HCI 研究员

浏览科学文献通常从阅读摘要开始,但当读者寻求摘要中未包含的额外信息时,在深入全文时面临高认知成本。为弥补这一差距,我们提出可递归扩展摘要这一新型交互范式,它通过逐步整合论文全文的补充信息来动态扩展摘要。这种轻量级交互允许学者通过快速浏览摘要或选择AI建议的可扩展实体来指定其信息需求。相关信息使用检索增强生成方法合成,以流畅的、线程化的摘要扩展形式呈现,并通过归因于论文中相关源段落实现高效验证。通过一系列用户研究,我们展示了可递归扩展摘要的实用性,并识别了通过LLM驱动的交互支持低成本即时探索长篇信息环境的未来机会。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/uist/170964/2024

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3654777.3676397
一眼看懂

论文快照

fact_check
dataset
来源
UIST
calendar_month
年份
2024
emoji_events
奖项
未标记奖项
group
作者
5 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
work
职业/产业
大学教授与研究人员、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文