Qlarify:用于科学论文动态信息检索的可递归扩展摘要
作者
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。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 67%
在文档 haystack 中寻找针头:增强意外索赔检索工作流程
CHI '25· 大语言模型(LLM)的人机协作 +2
- 60%
COVID-19危机可视化图谱
CHI '21· 交互式数据可视化 +1
- 60%
Cody:基于AI的系统,用于定性研究的半自动化编码
CHI '21· 大语言模型(LLM)的人机协作 +1
- 60%
令人不安的合作:可视化设计研究中的关怀问题
CHI '23· 交互式数据可视化 +1
- 60%
CiteSee: 通过持久且个性化的历史背景增强科学论文中的引用
CHI '23· 交互式数据可视化 +1
- 60%
PaperWeaver: 通过将推荐论文与用户收集的论文结合来丰富主题论文警报
CHI '24· 大语言模型(LLM)的人机协作 +1
- 60%
对大型语言模型在学术文献理解和评审方面的评估:一项针对初级学者的实证研究
CHI '24· 大语言模型(LLM)的人机协作 +1
- 60%
理解大型语言模型在个性化和构建策略以对抗学术拖延中的作用
CHI '24· 大语言模型(LLM)的人机协作 +1
- 60%
PromptHive:通过协作提示工程将主题专家重新置于教育内容创作的前沿
CHI '25· 大语言模型(LLM)的人机协作 +1
- 60%
Social-RAG:从群体互动中检索以社会性地指导AI生成
CHI '25· 大语言模型(LLM)的人机协作 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
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
fact_check论文快照
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