Summarize Paper logo SummarizePaper.com
Premium+

Revue de littérature

Posez une question de recherche. Nous cherchons les articles qui y répondent, repérons les travaux fondateurs et récents, les regroupons par approche et rédigeons une synthèse comparative qui les cite.

Comment poser sa question et vérifier la synthèse ? Guide illustré

Un exemple réel : ce que vous obtenez

Exemple en astrophysique informatique et IA biologie et médecine

30 articles en 6 thèmes · « RAG et hallucinations des grands modèles de langage ».

  • Une synthèse, chaque phrase avec ses articles
  • 6 thèmes avec leurs résultats
  • 2 points de consensus
  • 4 questions ouvertes
  • Chaque affirmation avec la phrase citée de son article
La synthèse

Les résultats disponibles ne permettent pas d’affirmer que le RAG réduit systématiquement davantage les hallucinations que le fine-tuning seul : les comparaisons directes sont peu nombreuses et portent sur des formes différentes d’adaptation et d’évaluation.

Un point de consensus, avec sa source

L’accès à des documents ne suffit pas : il faut à la fois retrouver des preuves pertinentes et en préserver fidèlement le contenu pendant la génération.

Sa source LMs trained without retrieval and attribution in mind does not always generate sentences that can be attributed to in-context evidence documents, even when provided relevant documents only. — Understanding Retrieval Augmentation for Long-Form Question Answering

Les premiers résultats

  1. Retrieval Augmentation Reduces Hallucination in Conversation Kurt Shuster, Spencer Poff, Moya Chen, Douwe Kiela et al. · 2021 Évalue la récupération dans le dialogue et ses effets sur la connaissance et la qualité, sans comparaison directe au fine-tuning.
  2. Deficiency of Large Language Models in Finance: An Empirical Examination of Hallucination Haoqiang Kang, Xiao-Yang Liu · 2023 Compare plusieurs méthodes de réduction des hallucinations en finance, dont le RAG, mais l’abstract ne précise pas une comparaison au fine-tuning.

28 autres résultats masqués

Voir un exemple complet, expliqué pas à pas →

Créez un compte gratuit, puis Premium+ le lance sur vos propres travaux. Continuer avec Google Créer un compte gratuit Se connecter

Comment ça marche

  1. Nous traduisons votre question en concepts clés, avec leurs synonymes, et en plusieurs recherches bibliographiques.
  2. Nous les lançons sur OpenAlex (revues, prépublications et actes de conférence, en accès ouvert ou non) et sur arXiv, par pertinence et sur les trois dernières années, et cherchons les revues de littérature et les travaux les plus cités.
  3. Nous suivons les citations dans les deux sens : les travaux que citent beaucoup des articles les plus proches sont les articles fondateurs qu’une recherche par mots-clés manque, et les articles récents qui les citent sont ceux écrits avec des mots plus récents. Les articles rétractés sont écartés.
  4. Nous classons les candidats par proximité avec votre question, une IA trie leurs résumés et dit pourquoi chacun est retenu, et nous gardons 15 à 30 articles, fondateurs et récents, les préprints et les dépôts non relus étant signalés comme tels.
  5. Nous lisons les conclusions des articles dont le texte intégral est en accès libre, puis écrivons une synthèse par approche, un tableau comparatif, ce sur quoi les articles s’accordent et divergent, ce qu’ils laissent ouvert, et les références numérotées. Chaque affirmation montre les phrases des articles qui l’appuient, vérifiées mot pour mot.
  6. Retirez des articles ou ajoutez-en d’autres, relancez la recherche avec vos propres requêtes ou plus tard pour voir ce qui est nouveau, et exportez la revue vers BibTeX, RIS, Markdown, LaTeX ou Zotero.