Veille anti-scoop

Un exemple réel : ce que vous obtenez

Exemple en astrophysique informatique et IA biologie et médecine

16 nouveaux articles proches du projet « Grounding Answers in Retrieved Passages: A Study of Hallucinations in Retrieval-Augmented Language Models », trouvés dans les annonces de ses premiers jours

Sa proximité sur chaque facette : question, méthode, données, résultats
Ce qu’il partage avec votre projet et ce qui reste à vous
Que faire : le citer, vous démarquer, contacter les auteurs, vous dépêcher
L’état de l’art des trois dernières années, et les nouveaux articles des équipes que vous nommez

Recouvrement partiel

PCG-RAG étudie notamment la dérive des recherches provoquée par des hypothèses d’entités insuffisamment étayées. Ce problème rejoint la disparition du bénéfice du RAG lorsque les passages concernent une entité apparentée mais incorrecte.

PCG-RAG: Progressive Compositional Grounding for Retrieval-Augmented Generation in Complex Web Question Answering

Ce qui reste à vous

Le projet mesure directement le soutien des phrases par les passages avec un modèle NLI et compare un générateur avec et sans récupération. Il doit mettre en avant cette analyse diagnostique, distincte d’un nouveau système de recherche et de raisonnement Web.

L’email que vous auriez reçu · 16 nouveaux articles sont proches de vos projets

Les premiers résultats

PCG-RAG: Progressive Compositional Grounding for Retrieval-Augmented Generation in Complex Web Question Answering Recouvrement partiel PCG-RAG étudie notamment la dérive des recherches provoquée par des hypothèses d’entités insuffisamment étayées. Ce problème rejoint la disparition du bénéfice du RAG lorsque les passages concernent une entité apparentée mais incorrecte.
Cited but Unused: Parametric Provenance in Retrieval-Augmented Generation Recouvrement partiel Les deux travaux étudient le rapport entre les réponses produites en RAG et les passages récupérés. Cet article examine directement les limites de la vérification par NLI : une réponse compatible avec un passage ne prouve pas que le modèle …

14 autres résultats masqués

Voir un exemple complet, expliqué pas à pas →

Tous les exemples, dans votre domaine →

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

Comment ça marche

Décrivez votre projet en quelques paragraphes (question, méthode, données, résultats attendus), ou envoyez le PDF de votre brouillon : une IA en écrit la description.
Aussitôt, les articles des 3 dernières années sont cherchés sur arXiv, dans les revues et sur OpenReview, avec ceux qui citent déjà vos références clés : vous voyez ce qui est déjà publié près de votre projet.
Chaque jour, les nouveaux articles sont comparés à chaque facette de votre projet séparément (question, méthode, données, résultats) et aux noms qui l'identifient. Une IA lit les résumés les plus proches.
Quand l'un d'eux recoupe votre projet, vous recevez un email : un fort recouvrement (même question, approche identique ou très proche) ou un recouvrement partiel, avec sa proximité sur chaque facette.
Pour chaque article, l'IA dit ce qu'il partage avec votre projet, ce qui reste à vous et quoi faire : le citer, démarquer votre projet, contacter les auteurs ou publier vite. Un fort recouvrement est comparé au texte intégral de l'article quand sa licence le permet.

Suivez des équipes concurrentes et indiquez vos références clés : leurs nouveaux articles, et ceux qui citent vos références, sont toujours lus.
Marquez un article comme non pertinent et les articles semblables passent après ; ajoutez les plus proches à une collection.
Vos propres articles ne sont jamais signalés : indiquez votre nom et ceux de vos coauteurs habituels.
Jusqu'à 5 projets surveillés.
Votre description reste privée et ne sert qu'à la comparaison. Un PDF est lu une fois et n'est pas conservé, sauf si vous nous demandez d'en garder le texte pour les comparaisons sur texte intégral.

Utile pendant une thèse ou un long projet : savoir tôt qu'une équipe concurrente est proche, la citer et ajuster la présentation de votre travail.