·
过去半年中，以ChatGPT为代表的生成式语言模型（以下简称LLM）取得重大突破，真正落地生产与生活之中。如何利用其引入科研工作，加速科研，减少科研工作者的工作时间或为我们带来新的IDEA是一个有趣的问题。在科研工作中，读文献、总结文献、写文献综述是一项常见而耗时的工作，利用生成式语言模型总结文献可以节省时间和精力、快速了解概念。然而，该项工作目前面临着几大困难，其中最为严重的是，科研工作要求严谨真实，而生成式语言模型在这方面有着极强的幻觉，即引用不存在的参考文献，输出虚假信息。其次LLM受到上下文限制，对大部分文献而言，（单次回答）LLM都无法全文阅读，对文献的理解力不够。最后就是生成式语言模型并非实时更新，无法了解全部和最新的研究。
目前市面上的AI综述工具不仅十分昂贵，而且对于上述问题甚至并未克服。外国有对做过类似的产品，但仅仅止步于对文献进行一句话总结，信息过少，而且输出语言为英文，实际上并未节省多少时间。AutoReview希望解决以上问题，提供高效的文献综述服务，为研究者快速了解概念。AutoReview通过链接Core开放数据库查找文献，获得文献meta信息、摘要和全文。对摘要进行一句话总结，通过embedding操作转换到语义空间，k-means聚类找到几个文献主题，根据不同的文献主题对文献进行综述。解决了LLM存在的幻觉问题，使得所有文献都是真实存在，并且附上引用。对比起现有的产品，AutoReview成本低廉，0.99元一篇起，一篇在7000字上下，最终参考文献10条左右；而现有产品有的可至78元一篇，10000字，参考文献20条。综合来看，AutoReview性价比不错，有助于节省科研时间。
以下是AutoReview1.0生成的两篇综述，可以作为参考。
AutoReview应用地址：AutoReview-AI综述工具1.0 (micosliang.space)