Cet outil d'IA peut résumer de longs documents de recherche

Cependant, après les deux premiers paragraphes, j’entends souvent la tonalité d’arrêt de Windows dans ma tête (sans blague ! ). Donc, pour les gens comme moi qui aiment lire de courts résumés plutôt que de longs articles de recherche, une équipe de scientifiques en IA a développé un modèle qui peut prendre un document de recherche et le présenter sous la forme d’un bref résumé.

Des chercheurs de l’Institut Allen pour l’intelligence artificielle ont développé ce nouveau modèle basé sur l’intelligence artificielle (IA) qui peut convertir un long document texte en un bref résumé et le présenter au format TL; DR (trop long; n’a pas été lu). C’est un outil très utile car il ne fournit aux utilisateurs que les informations pertinentes d’un long passage de texte.

Cet outil d'IA peut résumer de longs documents de recherche

Maintenant, pour développer le modèle, dans un premier temps les chercheurs l’ont « pré-formé » sur la langue anglaise. Suite à cette séance de pré-formation, ils ont formulé un ensemble de données SciTLDR qui contenait environ 5 400 résumés de documents de recherche sur l’informatique.

En outre, pour rendre le modèle moins dépendant de la connaissance du domaine tout en résumant, les chercheurs l’ont encore formé sur plus de 20 000 titres d’articles de recherche.

Ainsi, ce nouveau modèle de synthèse utilise sa formation et son intelligence artificielle (IA) pour séparer les parties significatives des textes des sections résumé, introduction et conclusion des documents de recherche. Ensuite, il utilise ces parties du texte pour créer un bref résumé du document.

Lors de leurs tests initiaux, les chercheurs ont découvert que le modèle était capable de présenter des documents de plus de 5 000 mots dans de courts résumés de 21 mots.

L’équipe a déployé le modèle d’IA de synthèse dans le moteur de recherche Semantic Scholar de l’Institut. Cependant, il ne fonctionne que sur des articles liés à des sujets informatiques, pour le moment.

Vous pouvez l’essayer sur le moteur de recherche Semantic Scholar et en savoir plus sur le modèle dans l’article officiel publié par l’équipe.

Array

Tags: ,