Resumen: Navegar por el vasto y en rápido crecimiento de la literatura científica es un desafío formidable para los aspirantes a investigadores. Los enfoques actuales para apoyar la generación de ideas de investigación a menudo se basan en modelos genéricos de lenguaje grande (LLMS). Si bien los LLM son efectivos para ayudar a la comprensión y el resumen, a menudo se quedan cortos para guiar a los usuarios hacia ideas prácticas de investigación debido a sus limitaciones. En este estudio, presentamos un nuevo marco estructural para la ideación de la investigación. Nuestro marco, el investigador presupuestario de IA, utiliza cadenas de generación de recuperación (RAG), bases de datos de vectores y emparejamiento guiado por el tema para recombinar conceptos de cientos de documentos de aprendizaje automático. El sistema ingiere documentos de nueve conferencias principales de IA, que colectivamente abarcan los vastos subcampos del aprendizaje automático, y los organizan en un árbol de temas jerárquico. Utiliza el árbol para identificar pares de temas distantes, generar nuevos resúmenes de investigación y refinarlos a través de la autoevaluación iterativa contra la literatura relevante y las revisiones de pares, generar y refinar resúmenes que se basan en investigaciones del mundo real y demostrablemente interesantes. Los experimentos que utilizan métricas basadas en LLM indican que nuestro método mejora significativamente la concreción de las ideas de investigación generadas en relación con los enfoques de solicitación estándar. Las evaluaciones humanas demuestran aún más una mejora sustancial en la interesante percibida de los resultados. Al cerrar la brecha entre los datos académicos y la generación creativa, el investigador presupuestario de IA ofrece una herramienta práctica y gratuita para acelerar el descubrimiento científico y reducir la barrera para los aspirantes a investigadores. Más allá de la ideación de la investigación, este enfoque inspira soluciones al desafío más amplio de generar resultados personalizados y conscientes del contexto basados en la evolución del conocimiento del mundo real.
Publicado Originalme en rss.arxiv.org El 16 de junio de 2025.
Ver Fuente Original
