最近读的2篇论文非常不错

最近读的2篇论文非常不错1.第一篇是复旦大学和米哈游联合推出的TheRiseandPotentialofLargeLanguageModelBasedAgents:ASurvey最近看Agent代码比较多，这篇论文对Agent做了比较完整的叙述，可以作为理解Agent的框架性知识。https://arxiv.org/pdf/2309.07864.pdf2.第二篇是微软出的GPT-4V(可以输入图片的GPT4)的研究报告TheDawnofLMMs:PreliminaryExplorationswithGPT-4V(ision)看完后只有2个字"震撼"，越来越相信AI是未来，而且是不远的未来，为之前失明的GPT增加了双眼，眼与耳朵一起使用对世界的理解进一步加强了。https://arxiv.org/pdf/2309.17421.pdf

最近在搞毕设，分享一个我的阅读论文文献SOP

最近在搞毕设，分享一个我的阅读论文文献SOP论文，它的格式非常八股，基本都是按照这样的结构来呈现的：标题→概要→介绍→方法→实验→结论。结合Stanford教授SrinivasanKeshav分享的三遍法，我凝练出来一个结合AI的五步法1.选读：通过检索工具选出合适的论文，以及在Twitter等社交媒体上看这篇论文的含金量2.略读：读论文前，我们得搞清楚这篇论文值不值得读，我们不需要全部都读完，这样会浪费我们很多时间。使用AISummary工具，回答关键问题：1.主要解决了什么问题？2.提出了什么解决方案？3.解决方案中核心的方法/步骤/策略是什么？4.结论是什么？5.有什么限制条件？请有条理地组织以上信息，确保涵盖每一个点。这一类可以AISummary的工具非常多，主要看总结能力和花费金额，推荐使用1.txyz：介绍在下面的工具安利里2.PopAI：介绍在下面的工具安利里3.ChatGPT：ChatGPT直接上传PDF，进行对话也可以4.Kimi：国内可以使用但是还有一个点需要注意，就是你自己需要去判断正确性，包括这篇论文的正确性——他有没有在和你胡扯3.精读：接下来就开始精读了1.精读的顺序：摘要→结论→方法→实验→数据和图表2.对于需要翻译的同学来说，必备的就是“沉浸式翻译”这个插件，具体使用看下面3.看图表和参考文献，判断是否正确4.在这一步，遇到问题，也可以借助AI工具，1.有不懂的细节继续提问，从What、Why、How三个方面抽取问题。What：即哪些概念是不熟悉的。Why：为什么要使用这种策略/方法，好在哪里？How：具体论文中是怎么实现某种策略/方法的。2.对于不懂图表的，也可以借助AI工具，分析图表1.PopAI：接入了GPT-4V的API，可以对论文图表进行解读2.ChatGPT：直接读图3.亿图图示：也可以解读图表4.整理笔记：精读完就可以整理笔记了，这里我的思路是基于PDF本身去整理

惊喜发现又祛魅一项能力：读论文

惊喜发现又祛魅一项能力：读论文CS专业一路走来被论文折磨，现以为脱离苦海，但又不得不紧跟看LLMSD论文，痛点就是：看不下去，精神涣散啃能读完，但留不脑痕我找到了一个适合自己的方法1⃣祛魅，不畏难与学界的朋友多交谈之后，逐渐理解论文掐头去尾直接看核心思想是可以很快用大白话解释的。我很大程度是因为怕数学、怕文字、怕章节，而不是真的这些概念难。比如Transformer这篇论文公认的“写”得烂。不信权威，祛魅格式。思想一般就两三个创新点。2⃣虚拟心理环境假想我是那些厉害的学界大佬，他们是如何如呼吸一般的读这些论文的呢？预加载他们的心理环境。我会假想自己是一个很厉害的数学学家（然后跳过数学证明hhh）3⃣专注：用划线工具和沉浸式翻译我使用Glasp插件（免费、可notion同步、有数据库管理界面、标签系统），双语阅读可以用沉浸式翻译、Aminer、Yiyibooks哪个顺手用哪个。arxiv论文可以用沉浸式翻译+Glasp直接划线高亮记录和评论，还自动保存数据库方便后期整理。不喜欢经常打断的复制粘贴。划线让我专注。4⃣GPT如何过脑子留下点东西？看完后或看的时候一定要提问。为什么它这样做实验？为什么解决这个问题？解决的怎么样？之后还要做什么？如果比较久远的经典论文，问GPT可以直接得到答复。5⃣自己的话记录这个环节就是强化留给自己脑子的东西。自己写出来的才是真正理解了的概念。用自己的大白话解释一遍，就真的懂论文了。比如我会写“transformer架构就是叠了很多层一样的block，每个block里面有QKV三个矩阵”blablabla推荐从下面的精选开始读经典论文：https://latentbox.com/

论文，我认为就是写的比较专业的博客，它的格式非常八股，基本都是按照这样的结构来呈现的：标题 → 概要 → 导言 → 方法 → 实

论文，我认为就是写的比较专业的博客，它的格式非常八股，基本都是按照这样的结构来呈现的：标题→概要→导言→方法→实验→结论。下文较长，主要提到了几个检索方法和阅读工具，强烈推荐下PopAI，https://bit.ly/412xQbH，体验做的很不错。很多朋友说论文读起来太晦涩且耗时，但事实上阅读论文是ROI比较高的一件事情，尤其是AI盛行的当下，大量科研人员都以论文的形式来呈现自己的研究成果，他们在写论文之前，会把行业最前沿的信息都研究个遍，然后自己动手实践，并提出更新、更好的解决方案。所以我认为学会读论文，以及挖掘对自己工作有帮助的论文是比较重要的一件事情。检索论文，我的思路有两个。一个是「有什么办法可以解决问题」，通过问题关键词去索引内容，例如检索“如何识别多人同时说话”，我找到了语音识别（ASR），然后找到了Whisper，然后找到了《RobustSpeechRecognitionviaLarge-ScaleWeakSupervision》这篇论文，过程中也找到了很多其他的论文。另外一个是「为什么这个方法可以解决问题」，去研究技术背后的东西，例如检索“为什么pyannote-audio可以区分不同的人说话”，我找到了SpeakerDiarization，然后找到了《AReinforcementLearningFrameworkforOnlineSpeakerDiarization》这篇论文，从这篇论文又了解到了更多其他方法，回到思路一，继续研究。检索工具上，之前推荐过aminer.cn这个网站，它有一个“必读论文”板块（如图一），放了很多精挑细选的专题模块，可能刚好跟你的研究方向是匹配的；但大部分情况下，你进到这个网站时，也不知道该搜什么关键词，所以刚开始还得去Google或社交媒体去检索行业先驱的博客或推文，去看看一些综述性的介绍，再去找更多更细节的关键词。关于读论文，之前分享过一篇文章《如何阅读一篇论文》，它提到了“三遍阅读法”，我也是这么践行的；当然，也离不开工具上的辅助，主要包括两类。第一类是Summary工具，如果每出一篇论文都去精读，那时间上肯定是不划算的，关键也没这个必要；Summary的工具比较多，上面提到的aminer也自带了这个能力。

发现一个读PDF的好工具，又快又免费。ChatDOC是一个基于ChatGPT的文件阅读助手，可以快速从PDF文档中提取、定位和汇

发现一个读PDF的好工具，又快又免费。ChatDOC是一个基于ChatGPT的文件阅读助手，可以快速从PDF文档中提取、定位和汇总文件信息。你可以上传研究论文、书籍、手册等文件，然后通过聊天的方式向ChatDOC提问，获取简洁易懂的回答。ChatDOC还可以理解文档中的表格或文字，优化其数据分析性能，并为每个回答提供直接引用的来源，方便您核实AI的解读准确性。ChatDOC支持中英文，并且免费注册。https://chatdoc.com/chatdoc/#/upload

在 arxiv.org 链接前面加上“talk2”，可直接针对论文内容进行问答（需要自备OpenAI key）| github

在arxiv.org链接前面加上“talk2”，可直接针对论文内容进行问答（需要自备OpenAIkey）Talk2Arxiv是专为学术论文PDF构建的开源RAG（检索增强生成）系统，由talk2arxiv服务器提供支持特征PDF解析：利用GROBID从PDF中高效提取文本。分块算法：用于最佳文本分块的定制算法。按逻辑部分（简介、摘要、作者等）进行分块，并且还利用递归细分分块（块为512个字符，然后是256个字符，然后是128个字符......）文本嵌入：使用Cohere的EmbedV3模型进行准确的文本嵌入。矢量数据库集成：使用Pinecone来存储和查询嵌入。这也可以缓存研究论文，因此论文只需要嵌入一次。上下文相关性：采用重新排名过程来根据用户输入选择最相关的内容。