为什么不用ChatGPT
我用的ChatGPT是GPT 3.5,不能联网。当然没钞能力,所以不知道GPT-4使用感受如何,所以今天给大家介绍一下如何使用ChatPDF + New bing快速筛论文。
ChatPDF
上个月师兄给我推荐了这个网站:ChatPDF – Chat with any PDF!
你只需要上传论文PDF或者论文PDF的链接,它即可自动帮你阅读论文。只要你输入良好的prompt,就能获得比较好的论文阅读结果。
凭我NLP人的直觉,这个网站背后的算法应该是主要做摘要和阅读理解之类的东西。
自然语言处理(NLP)的阅读理解(Reading Comprehension) 任务是指让计算机对自然语言文本进行理解和回答相关问题的任务。该任务旨在让计算机更好地理解自然语言文本,并能够回答与该文本相关的问题。
阅读理解任务通常包括两个子任务:
-
阅读理解(Reading Comprehension):阅读一段给定的文本,理解其含义,并回答与该文本相关的问题。例如,给定一篇文章,计算机需要读取文章并回答与文章相关的问题,如“作者在文章中表达了什么观点?”、“文章中提到的人物是谁?”等。
-
问答系统(Question Answering):这是阅读理解任务的一个更具挑战性的变体,其中问题并不是基于给定文本的,而是由用户提出的。计算机需要读取给定的文本,并根据用户提出的问题回答问题。例如,给定一篇文章和一个问题“这篇文章的主要内容是什么?”,计算机需要读取文章并回答问题。
自然语言处理(NLP)中的文本摘要任务 是指从一篇文本中自动提取出最重要的内容,并生成一个简短的摘要。它的主要目的是帮助人们快速了解一篇文章或文档的主要内容,以便于决策或进一步的处理。
文本摘要任务可以分为两类:单文档摘要和多文档摘要。单文档摘要是指从一篇文本中提取出最重要的内容,而多文档摘要则是从多篇文本中提取出关键信息。
但是我可以确定,这玩意儿肯定不能联网, 因为我问他了!
虽然回答的详细,但是不能联网,答案有时候比较呆瓜,超出论文内容的东西它就回答不出来了。
New Bing
几天之后师兄告诉我:快看!New Bing也可以!
New Bing我们知道,背靠微软,手拿OpenAI的GPT,还加上必应本身的搜索,所以是一个基于检索+问答的强大系统。我不会回答没问题,但是我可以查啊!
既然师兄发现它可以读论文,那我们岂不是省事了?
但是实际使用下来效果并没想象中的那么好,因为New Bing回答的比较简洁。
所以今天我用ChatPDF的时候发现一个好用的东西!
New Bing + ChatPDF
我们看了一下我干嘛了。
我让ChatPDF帮我读论文,简单让他找数据集,但是它不知道???所以我把这个论文丢到New Bing中了,基于检索的New Bing可以查到啊!查到之后再丢回ChatPDF里,ChatPDF就能出更细致的回答了。
我对ChatPDF: 数据集用了什么?
ChatPDF: DIFFUSEQ 论文中描述了四个典型的 SEQ2SEQ 文本生成任务以及用于评估模型性能的数据集。开放域对话任务使用了Commonsense Conversation Dataset(Zhou等人,2018),该数据集从Reddit单轮对话中提取,包含超过300万个对话对。问答生成(QG)任务使用由Lin等人预处理的Quasar-T数据集(Dhingra等人,2017)。不幸的是,论文没有提供有关其他两个任务所使用的数据集的信息。
我对ChatPDF: 你再仔细看一遍,用了什么数据集
ChatPDF: 非常抱歉,我的前一个回答有误。DIFFUSEQ 论文中描述了四个典型的 SEQ2SEQ 文本生成任务以及用于评估模型性能的数据集。开放域对话任务使用了Commonsense Conversation Dataset(Zhou等人,2018),该数据集从Reddit单轮对话中提取,包含超过300万个对话对。问答生成(QG)任务使用由Lin等人预处理的Quasar-T数据集(Dhingra等人,2017)。另外两个任务是语音转写和机器翻译,但论文没有提供这两个任务所使用的数据集的信息。
上边这段对话可以看出来,四个数据集,光看论文只能告诉我俩。
我对New Bing: 读一下这篇论文 arxiv.org/pdf/2210.08…
New Bing: 这篇论文的标题是 “DiffuSeq: Sequence to Sequence Text Generation with Diffusion Models”,作者是 Shansan Gong, Mukai Li, Jiangtao Feng, Zhiyong Wu 和 Lingpeng Kong。这篇论文发表在 arXiv.org 上,它探讨了如何使用扩散模型来解决序列到序列文本生成任务。 你想了解这篇论文的哪些方面?
我对New Bing: 这篇论文用了什么数据集?
New Bing: 根据我在搜索结果中找到的信息,这篇论文使用了四个数据集:Commonsense Conversation、Quasar-T、Wiki-alignment 和 QQP。 你想了解更多关于这些数据集的信息吗?
我对ChatPDF: 这篇论文使用了四个数据集:Commonsense Conversation、Quasar-T、Wiki-alignment 和 QQP。
ChatPDF: 非常抱歉,我的前两个回答都有误。您是正确的,DIFFUSEQ 论文中使用了四个数据集:Commonsense Conversation、Quasar-T、Wiki-alignment 和 QQP。开放域对话任务使用了Commonsense Conversation Dataset(Zhou等人,2018),问答生成(QG)任务使用了由Lin等人预处理的Quasar-T数据集(Dhingra等人,2017)。Wiki-alignment 数据集用于机器翻译任务,QQP 数据集用于语义相似度任务。 非常感谢您指出我的错误,并希望这次回答更加准确和有用。
我对ChatPDF: 所以再说一下,用了啥数据集?
ChatPDF: DIFFUSEQ 论文使用了四个数据集:Commonsense Conversation、Quasar-T、Wiki-alignment 和 QQP。其中,Commonsense Conversation 数据集用于开放域对话任务,Quasar-T 数据集用于问答生成(QG)任务,Wiki-alignment 数据集用于机器翻译任务,QQP 数据集用于语义相似度任务。
使用New Bing修正其结果之后,我们得到了更合理的答案。
总结
ChatPDF:读论文能力强,专门做的读论文的问答系统,回答的更专业。但是不能联网,只能基于给定的PDF进行理解问答。
New Bing:虽然读论文能力一般,但是人家基于检索啊。
所以二者相辅相成或成为白嫖党新的读论文生产力。
本文正在参加「金石计划」