Grafici della Ricerca: Grafici di Citazioni per la Generazione di Idee AI
Un nuovo metodo chiamato Grafici della Ricerca (GoR) utilizza grafici di evoluzione delle citazioni per supervisionare modelli linguistici di grandi dimensioni nella generazione di idee di ricerca. L'approccio estrae un vicinato di riferimento a 2 hop per ogni articolo seme, derivando relazioni dalla posizione della citazione, frequenza, collegamenti predecessori e tempo di pubblicazione, organizzati in un grafo aciclico diretto (DAG). Il pipeline attinge dati da cinque principali sedi ML/NLP, con 498/50/50 articoli seme di training/validazione/test e circa 7.600 riferimenti citati. Il modello utilizzato è Qwen2.5-7B-Instruct-1M. Questo lavoro affronta la limitazione dei metodi esistenti che si basano su recupero statico o complessa ingegneria dei prompt senza sfruttare le relazioni strutturali tra i riferimenti.
Fatti principali
- GoR è un metodo di fine-tuning supervisionato per la generazione di idee di ricerca.
- Estrae un vicinato di riferimento a 2 hop per ogni articolo seme.
- Le relazioni tra i riferimenti sono derivate dalla posizione della citazione, frequenza, collegamenti predecessori e tempo di pubblicazione.
- I riferimenti sono organizzati in un grafo aciclico diretto (DAG) di evoluzione degli articoli.
- I dati provengono da cinque principali sedi ML/NLP.
- Il dataset comprende 498/50/50 articoli seme di training/validazione/test e circa 7.600 riferimenti citati.
- Il modello utilizzato è Qwen2.5-7B-Instruct-1M.
- GoR mira a migliorare i metodi di recupero statico e di complessa ingegneria dei prompt.
Entità
—