Resumen: En el campo de la ciencia de datos en rápida evolución, navegar eficientemente el cuerpo expansivo de la literatura académica es crucial para la toma de decisiones e innovación informadas. Este artículo presenta una aplicación mejorada de generación de recuperación (RAG) de recuperación (RAG), un sistema basado en inteligencia artificial (IA) diseñado para ayudar a los científicos de datos a acceder a recursos académicos precisos y contextualmente relevantes. La aplicación con AI integra técnicas avanzadas, incluida la generación de la técnica de datos bibliográficos (Grobid) para extraer información bibliográfica, modelos de incrustación ajustados, fragmentos semánticos y un método de recuperación abstracto, para mejorar significativamente la relevancia y la precisión de la información recuperada. Esta implementación de IA aborda específicamente el desafío de la navegación de la literatura académica. Una evaluación integral utilizando el marco del Sistema de Evaluación de Generación Agumentada de Recuperación (RAGAS) demuestra mejoras sustanciales en las métricas clave, particularmente la relevancia del contexto, subrayando la efectividad del sistema para reducir la sobrecarga de información y mejorar los procesos de toma de decisiones. Nuestros hallazgos destacan el potencial de este sistema de generación mejorado de recuperación de recuperación para transformar la exploración académica dentro de la ciencia de datos, avanzando en última instancia del flujo de trabajo de la investigación y la innovación en el campo.
Publicado Originalme en rss.arxiv.org El 14 de mayo de 2025.
Ver Fuente Original
