Sci-Surf：通过人类反馈和智能摘要引导科学文献发现

科学出版物的快速增长使得研究人员越来越难以识别相关的新研究并有效理解它们。现有的学术发现平台通常依赖于静态主题订阅或基于嵌入的相似性，并且仅提供摘要或简短摘要，为细致入微的意图建模和深入的论文摘要提供有限的支持。我们推出了 Sci-Surf，一个以意图为中心的知识发现系统，它将反馈驱动的个性化推荐与多模式博客式论文消化相结合。我们的方法通过基于 LLM 的用户分析来完善用户意图表示，同时生成从全文中合成文本和视觉信息的结构化摘要。该演示展示了端到端的学术发现流程，并通过真实用户评估展示了推荐质量和消化质量的可衡量改进。具体来说，在长达一个月的在线评估中，语言化配置文件的集成使预测与现实世界用户偏好的一致性平均提高了 10.4%。