Loading video...

Video Failed to Load

There was a problem loading this video. This could be due to a temporary network issue or the video might be unavailable.

这绝对是学生党必备的GitHub开源仓库，能一站式帮你搞定搜文献、数据分析等写论文中最麻烦的步骤，而且完全免费！学生党最头疼的就是写论文和做课题研究，查文献、跑代码，一搞就是两三天，特别是有些关键数据还需要付费才可以获取而最近我在GitHub上发现了一个免费的AI科研项目，叫ScienceBuddy （PhAI Labs），专为学生和科研人员打造。你只需要在平台上上传论文和相关数据文件，并精准表达需求，ScienceBuddy就能调用Agent去专业数据库中检索文献、收集数据并运行分析代码。整个分析过程全部清晰可见，方便你随时核对视频中，我选择了相对复杂的医学研究场景对该项目进行了简单测试，想看看它处理多篇专业论文以及梳理研究证据的能力如何。在我上传相关论文后，ScienceBuddy不仅判断了选题是否可行，还将研究方法、结论和局限整理成证据表，并总结研究共识与争议，最后生成论文提纲和摘要草稿。全程运行速度非常快，相当于直接快速完成了文献综述的前期准备同时在此基础上，ScienceBuddy还帮我继续深入搜索其他文献，并完整生成了一篇3000字左右的论文综述，结果清晰而且写作格式十分专业，个人感觉完全可以直接用于正式论文里了。整体体验下来，我认为对学生来说该工具是非常必要的，能节省非常多的时间另外，ScienceBuddy背后的团队也开源了ScienceIDE，其是 ScienceBuddy 的底层框架技术，现能让Agent在7个领域的真实科研代码中练习，并通过结果能否复现来验证修改是否有效，大家感兴趣也可以看看！！！目前项目的 ScienceBuddy 相关实验代码已经在GitHub上开源，感兴趣的同学可以去官网免费体验。不过考虑到当前仍是Preview版本，分析结果请自行核验后再用于正式研究官网地址： GitHub仓库地址：

Sac

35,076 subscribers

41,468 views • 6 days ago •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

30 Comments

Gregor6 days ago

How does the researcher feedback loop handle citation hallucinations specifically? That is where every AI literature search tool I have tried quietly breaks down.

李韭二6 days ago

读论文是成长最快的方式！没有之一

Sac6 days ago

但我还是更喜欢看社媒

李韭二6 days ago

哈哈哈哈是因为有擦边吗？🤡🤡🤡书中自有颜如玉😜

HankAI6 days ago

对使用者友好查完文献不用自己一张张抠证据，它已经整理成表，快很多

李寻欢6 days ago

过程全程可见是这类产品里最棒的设计。计算轨迹、工具入参出参、中间产物，至少可以知道：它搜了哪些库、排除了哪些研究、统计代码用了哪条假设。非常实用！

CatPhyTime6 days ago

读paper很好用的样子，我这就试试

虚惊一场。6 days ago

这个工具看起来太适合科研入门的同学了！文献综述整理和生成这块做过都知道很耗精力，不过预览版本这点提醒很重要，AI 产出的内容还是注意点，万一有点误差就难搞了 😂

iEarth6 days ago

免费开源还带代码复现检验，可算把研究生群体从低效的文献体力活里解放出来了

zwil Pan6 days ago

学生党看完直接收藏了，文献综述前期最耗时间的部分要是真能这样跑出来就太香了

Sac6 days ago

是的是的

硅谷AI玩家6 days ago

这也太香了吧哈哈，上传几篇论文直接给整证据表、提纲还带综述，写文献综述最烦的那几步全包了，学生党简直救命。

3D打印雷哥说（XU FANGLEI）6 days ago

我现在每天晚上都在学习AI，已经感觉追不上了

欧阳6 days ago

正好需要，收藏了，谢谢分享

Elise Tech Ai6 days ago

Free tool that turns days of lit searches into minutes is a game changer for students

资源分享公社（互FO）6 days ago

这是个好东西呀，必须收藏谢谢！

景哥｜AI落地与智能体实践6 days ago

科研Agent的价值正在从“帮你搜论文”走向“跑完整个研究闭环”。检索、数据、代码、分析、验证串起来，才是真正的AI科研生产力。

知不道吧6 days ago

学生写论文最费时间的，往往是前面搜文献、做筛选、整理证据。ScienceBuddy 能先把这些脏活跑一遍，人再回到原文核对，比直接让 AI 代写靠谱。

关你屁事6 days ago

赞👍

AnewCzs6 days ago

果断去GitHub上star并fork！学生党的福音，科研人员的解脱，ScienceBuddy是谁出的？幸好不是“十分”同学，那我就放心去试用了

Blue🔺6 days ago

二话不说，转给我弟了🤣

Sac6 days ago

可以

Jaronlin6 days ago

我去，狠狠收藏了，大学生刚需，刚好明年写毕业论文用😄

willAch56 days ago

感觉是科研领域必备了，有时候让 agent 自己去调研，要么找的文献资料太偏，要么就是水文，这个仓库很有用

Jason傑森 🇭🇰 | 🛠️6 days ago

看着是不错可我不写论文啊

dflrf jgworl6 days ago

只入身体🤛 🤐不入生活

Ether6 days ago

我之前写本科论文的时候为什么没遇到好厉害诶

晚晚6 days ago

就怕工具都配齐了，论文还是一个字没动。

辣条味奶糖6 days ago

那我要发给被论文折磨的姐姐了

Sac6 days ago

可以哈哈哈

Related Videos

WC，科研界的WorkBuddy终于来了！有个做科研的朋友给我安利了 PhAI Labs 最新推出的 ScienceBuddy 他做科研用过不少 AI Agent 但真正能把研究流程完整跑下来的其实不多但 ScienceBuddy 真的不一样它是一个真正围绕科研工作流设计的 AI Agent 我自己也去试了一下，让 ScienceBuddy帮我研究了一个癌症治愈领域的小问题😇 —— JAK1 是否可能与小细胞肺癌患者的免疫治疗响应相关我把问题扔给他，啥都没说 ScienceBuddy 就直接帮我我跑出了一份完整的研究报告提出问题 → 文献与机制分析 → 研究设计 → 数据需求判断 → 形成参考结论整套研究闭环几乎一次跑通🤯 对比了一下和其他 AI 生成的结果，我觉得ScienceBuddy 做的最好的地方就是让 AI 像一个科研工作者一样去看待和思考问题： 1️⃣科研的严谨性很高它会真正拆解研究问题、判断证据强弱、组织研究路径，而只是简单把搜到的材料拼在一起同时内部还集成了 224 个科学工具，可以在不同研究环节调用对应工具，进一步提升结果的可靠性 2️⃣执行全流程公开、可追溯 ScienceBuddy 做了什么，你基本都能看到它如何拆解问题、查了哪些材料、调用了什么工具每一步得出了什么阶段性结果，最终又是如何形成结论的，整个过程都非常清晰对于科研任务来说，这种过程的可追溯性甚至比结果本身更加很重要 3️⃣它清楚自己的证据和能力边界在哪遇到证据不足的问题，它不会强行给你看似正确的答案而是会清晰告诉你，目前哪些结论有明确证据支撑、哪些只是推测以及下一步需要什么数据或者实验才能继续验证如果你要写论文、做研究，那就千万别错过ScienceBuddy ！而点击下方网站就能免费体验无需充值和复杂配置、开箱即用～

WC，科研界的WorkBuddy终于来了！有个做科研的朋友给我安利了 PhAI Labs 最新推出的 ScienceBuddy 他做科研用过不少 AI Agent 但真正能把研究流程完整跑下来的其实不多但 ScienceBuddy 真的不一样它是一个真正围绕科研工作流设计的 AI Agent 我自己也去试了一下，让 ScienceBuddy帮我研究了一个癌症治愈领域的小问题😇 —— JAK1 是否可能与小细胞肺癌患者的免疫治疗响应相关我把问题扔给他，啥都没说 ScienceBuddy 就直接帮我我跑出了一份完整的研究报告提出问题 → 文献与机制分析 → 研究设计 → 数据需求判断 → 形成参考结论整套研究闭环几乎一次跑通🤯 对比了一下和其他 AI 生成的结果，我觉得ScienceBuddy 做的最好的地方就是让 AI 像一个科研工作者一样去看待和思考问题： 1️⃣科研的严谨性很高它会真正拆解研究问题、判断证据强弱、组织研究路径，而只是简单把搜到的材料拼在一起同时内部还集成了 224 个科学工具，可以在不同研究环节调用对应工具，进一步提升结果的可靠性 2️⃣执行全流程公开、可追溯 ScienceBuddy 做了什么，你基本都能看到它如何拆解问题、查了哪些材料、调用了什么工具每一步得出了什么阶段性结果，最终又是如何形成结论的，整个过程都非常清晰对于科研任务来说，这种过程的可追溯性甚至比结果本身更加很重要 3️⃣它清楚自己的证据和能力边界在哪遇到证据不足的问题，它不会强行给你看似正确的答案而是会清晰告诉你，目前哪些结论有明确证据支撑、哪些只是推测以及下一步需要什么数据或者实验才能继续验证如果你要写论文、做研究，那就千万别错过ScienceBuddy ！而点击下方网站就能免费体验无需充值和复杂配置、开箱即用～

来碗牛肉粉

52,108 views • 7 days ago

又又又免费了，最近的赛博活佛是真多啊！！ ScienceBuddy，一个 AI 科研工具，集成了 224 个专业科学工具，文献检索、基因组分析、数据处理、代码执行全包了，现在竟然免费了！！做过产品的人都知道，科研数据分析这个领域的成本有多夸张：做一次生物信息分析外包，少说几千块起步，周期一两周请一个生信分析师，一年几十万打底各种专业分析软件的企业订阅，加起来一年也得大几万而科研人员常年被三件事折磨：文献太多读不完比不过来，拿到数据不会分析不会画图，实验出了问题没人可问以前这些事要么花钱要么花命 ScienceBuddy 来自 PhAI Labs 你把文献、数据丢进去，用一句话提问——它自己规划步骤、自己检索文献、自己写代码跑分析，最后把结果和每一步的过程都摆在你面前我试了一下：上传了几篇公开论文，就问了一句——帮我把这几篇里关于某个方向的证据整理成表，标上出处十分钟不到，它自己规划了分析路径、调了文献检索工具、跑了代码处理，甩回来一份带来源标注的证据表，直接能下载让我更意外的是它的团队——斯坦福、牛津、普林斯顿背景，研究代码已经在 GitHub 开源了，MIT 协议而且你们注意一个时间线： 9 月 17 号，Anthropic 宣布 Claude 在不到四周内优化了 30 多个生物学 AI 模型，包括 AlphaFold3 和 Boltz-2，并且把优化代码全部开源了同一天，ScienceBuddy 背后的技术框架 ScienceIDE 也开源了——7 个学科、15 个真实科研代码环境，从天体物理到量子计算，让 AI Agent 在真实的科研代码上练习 Anthropic 证明了 AI 能优化科学软件，ScienceIDE 提供了让 AI 在更多学科学这种能力的练习场——而 ScienceBuddy 就是这套技术框架面向科研人员的产品化落地这意味着什么？意味着 ScienceBuddy 不是一个套壳的聊天机器人，它背后是一套在 7 个学科真实科研代码上训练出来的 Agent 系统但真正让我觉得这个产品做对了的，不是结果，是过程它有一个叫轨迹的面板，你能看到它每一步的规划、调了什么工具、跑了什么代码、拿到了什么中间结果不满意直接在同一个任务里追问，它会带着上下文接着改这和大家天天用的 ChatGPT 有什么本质区别？ ChatGPT 是通用聊天——你问它科研问题，它给你一段看起来有道理的话，但你没法验证中间过程 ScienceBuddy 带着 224 个专业科学工具——它真的去检索文献数据库、真的跑 Python 和 R 代码、真的生成文件让你下载复核说白了就是：一个在聊天，一个在干活而且它能干的事范围有点吓人： 1、上传表达矩阵数据，一句话让它做差异表达分析+画火山图，代码和方法全给你写好 2、描述一个实验失败的情况，它给你出分步排错方案 3、给它一个研究问题，它能规划完整的研究计划作为一个做了五年产品的人，我觉得科研 Agent 最大的难题从来不是能不能给你答案——是你敢不敢信这个答案 ScienceBuddy 的解法是让每一步都透明可查，你不是在盲信一个黑盒，是在监督一个真正能干活的助手说一个小缺点——目前注册需要 edu 邮箱，而且是 Preview 版本，结果用之前建议自己再核验一遍但是——免费、不排队、不要邀请码，打开就能用以前要花大几千块外包、花好几天人工才能搞定的事，现在一个免费工具十分钟干完了身边有读博的、做科研的朋友，真的可以转给他们试试我已经开始拿它跑一些真实的分析任务了，后续有新发现继续和大家分享！！产品链接和底层框架 ScienceIDE 的论文、GitHub 全放评论区👇

又又又免费了，最近的赛博活佛是真多啊！！ ScienceBuddy，一个 AI 科研工具，集成了 224 个专业科学工具，文献检索、基因组分析、数据处理、代码执行全包了，现在竟然免费了！！做过产品的人都知道，科研数据分析这个领域的成本有多夸张：做一次生物信息分析外包，少说几千块起步，周期一两周请一个生信分析师，一年几十万打底各种专业分析软件的企业订阅，加起来一年也得大几万而科研人员常年被三件事折磨：文献太多读不完比不过来，拿到数据不会分析不会画图，实验出了问题没人可问以前这些事要么花钱要么花命 ScienceBuddy 来自 PhAI Labs 你把文献、数据丢进去，用一句话提问——它自己规划步骤、自己检索文献、自己写代码跑分析，最后把结果和每一步的过程都摆在你面前我试了一下：上传了几篇公开论文，就问了一句——帮我把这几篇里关于某个方向的证据整理成表，标上出处十分钟不到，它自己规划了分析路径、调了文献检索工具、跑了代码处理，甩回来一份带来源标注的证据表，直接能下载让我更意外的是它的团队——斯坦福、牛津、普林斯顿背景，研究代码已经在 GitHub 开源了，MIT 协议而且你们注意一个时间线： 9 月 17 号，Anthropic 宣布 Claude 在不到四周内优化了 30 多个生物学 AI 模型，包括 AlphaFold3 和 Boltz-2，并且把优化代码全部开源了同一天，ScienceBuddy 背后的技术框架 ScienceIDE 也开源了——7 个学科、15 个真实科研代码环境，从天体物理到量子计算，让 AI Agent 在真实的科研代码上练习 Anthropic 证明了 AI 能优化科学软件，ScienceIDE 提供了让 AI 在更多学科学这种能力的练习场——而 ScienceBuddy 就是这套技术框架面向科研人员的产品化落地这意味着什么？意味着 ScienceBuddy 不是一个套壳的聊天机器人，它背后是一套在 7 个学科真实科研代码上训练出来的 Agent 系统但真正让我觉得这个产品做对了的，不是结果，是过程它有一个叫轨迹的面板，你能看到它每一步的规划、调了什么工具、跑了什么代码、拿到了什么中间结果不满意直接在同一个任务里追问，它会带着上下文接着改这和大家天天用的 ChatGPT 有什么本质区别？ ChatGPT 是通用聊天——你问它科研问题，它给你一段看起来有道理的话，但你没法验证中间过程 ScienceBuddy 带着 224 个专业科学工具——它真的去检索文献数据库、真的跑 Python 和 R 代码、真的生成文件让你下载复核说白了就是：一个在聊天，一个在干活而且它能干的事范围有点吓人： 1、上传表达矩阵数据，一句话让它做差异表达分析+画火山图，代码和方法全给你写好 2、描述一个实验失败的情况，它给你出分步排错方案 3、给它一个研究问题，它能规划完整的研究计划作为一个做了五年产品的人，我觉得科研 Agent 最大的难题从来不是能不能给你答案——是你敢不敢信这个答案 ScienceBuddy 的解法是让每一步都透明可查，你不是在盲信一个黑盒，是在监督一个真正能干活的助手说一个小缺点——目前注册需要 edu 邮箱，而且是 Preview 版本，结果用之前建议自己再核验一遍但是——免费、不排队、不要邀请码，打开就能用以前要花大几千块外包、花好几天人工才能搞定的事，现在一个免费工具十分钟干完了身边有读博的、做科研的朋友，真的可以转给他们试试我已经开始拿它跑一些真实的分析任务了，后续有新发现继续和大家分享！！产品链接和底层框架 ScienceIDE 的论文、GitHub 全放评论区👇

超级个体｜柿子

49,402 views • 6 days ago

【AI 时代，想学习一个新领域最快的方式：让 AI 读原始论文，先给你摊出一份带出处的研究脉络】 AI 时代，想进入一个新领域，我第一反应已经不是先找课、收藏几十篇文章了。而是先找到这个领域值得看的原始论文，然后直接丢给 ScienceBuddy，让 AI 先把文献读完，把不同研究的证据、出处和分歧摊出来。最近刚好试了一下 ScienceBuddy。它是 PhAI Labs 做的一个免费 AI 科研工作台，目前还是 Preview。它背后的团队最近其实也做了不少挺有意思的事。前几天 Anthropic 发了一项工作： Claude 在两名研究者监督下，用不到四周优化了 30 多个生物模型，其中包括 AlphaFold3、Boltz-2，优化后的代码也开源了。同一天，ScienceBuddy 背后的技术框架 ScienceIDE 也开源了一批真实科研代码环境，覆盖天体物理、海洋气候、等离子体、材料、量子等 7 个学科。这些任务也不是代码“能跑”就算完成，修改后的科学结果还得和 reference 对得上。不过相比底层这些技术，我更关心的是： ScienceBuddy 作为普通用户直接能用的产品，到底能不能真的帮我干活？所以我没有去跑什么特别玄学的科研问题。而是拿了一个自己一直挺想搞明白的东西：睡眠不足，到底是怎么影响注意力和工作记忆的？大家都知道“睡不好注意力会下降”。但继续往下问，就没那么简单了：持续注意、选择性注意、分配注意、工作记忆，受到的影响一样吗？不同研究之间的结论会不会打架？所以我直接找了 4 篇公开论文，扔进 ScienceBuddy，问它：睡眠限制、睡眠剥夺和失眠，对注意力和工作记忆分别有哪些证据？做一张证据表，标注出处、睡眠操作、样本、主要发现，并总结哪些结论一致，哪些不一致。这次任务大概跑了 155 秒。我觉得比较有意思的是，ScienceBuddy 没有只丢给我一段： “睡眠不足会损害认知。” 这种看起来正确，但很难继续核验的总结。它直接把不同研究摊成了一张证据表。哪篇论文、什么样本、什么睡眠条件、测了哪一种认知能力、主要发现是什么，都放到了一起。从这次整理出来的结果看：睡眠不足对持续注意 / 警觉性的影响相对更一致，而工作记忆和一些复杂认知任务上的结果明显更分化。但我真正觉得 ScienceBuddy 有用的地方，其实还不只是这张表。而是它的「轨迹」。 ScienceBuddy 会把任务怎么规划、调用了什么工具、跑了什么代码、得到了什么结果，都摊出来。最终的结果文件也能直接下载。如果觉得某一条结论太含糊，还可以直接在原任务里继续追问，让它基于之前的上下文重新处理。这也是我现在看 Agent 越来越在意的一点：不是它能不能给我一个“很像答案”的答案，而是它干活的过程，能不能让我翻出来检查。对做综述、开题、数据分析的人来说，这种工作流应该会比单纯聊天实用很多。 ScienceBuddy 目前首先面向生物医学方向，集成了 224 个科学工具，支持文献检索、数据库查询，以及 Python / R / Bash 等运行环境。而且现在还是免费的：邮箱直接注册，不需要邀请码。我自己会把 ScienceBuddy 当成一种： “进入陌生领域之前，先把原始论文和证据摊开看一遍”的工具。当然，科研结论不能因为 AI 做出一张漂亮的表就直接信。 ScienceBuddy 目前还是 Preview，真正用于研究之前，结果还是要自己核验。 PhAI Labs

【AI 时代，想学习一个新领域最快的方式：让 AI 读原始论文，先给你摊出一份带出处的研究脉络】 AI 时代，想进入一个新领域，我第一反应已经不是先找课、收藏几十篇文章了。而是先找到这个领域值得看的原始论文，然后直接丢给 ScienceBuddy，让 AI 先把文献读完，把不同研究的证据、出处和分歧摊出来。最近刚好试了一下 ScienceBuddy。它是 PhAI Labs 做的一个免费 AI 科研工作台，目前还是 Preview。它背后的团队最近其实也做了不少挺有意思的事。前几天 Anthropic 发了一项工作： Claude 在两名研究者监督下，用不到四周优化了 30 多个生物模型，其中包括 AlphaFold3、Boltz-2，优化后的代码也开源了。同一天，ScienceBuddy 背后的技术框架 ScienceIDE 也开源了一批真实科研代码环境，覆盖天体物理、海洋气候、等离子体、材料、量子等 7 个学科。这些任务也不是代码“能跑”就算完成，修改后的科学结果还得和 reference 对得上。不过相比底层这些技术，我更关心的是： ScienceBuddy 作为普通用户直接能用的产品，到底能不能真的帮我干活？所以我没有去跑什么特别玄学的科研问题。而是拿了一个自己一直挺想搞明白的东西：睡眠不足，到底是怎么影响注意力和工作记忆的？大家都知道“睡不好注意力会下降”。但继续往下问，就没那么简单了：持续注意、选择性注意、分配注意、工作记忆，受到的影响一样吗？不同研究之间的结论会不会打架？所以我直接找了 4 篇公开论文，扔进 ScienceBuddy，问它：睡眠限制、睡眠剥夺和失眠，对注意力和工作记忆分别有哪些证据？做一张证据表，标注出处、睡眠操作、样本、主要发现，并总结哪些结论一致，哪些不一致。这次任务大概跑了 155 秒。我觉得比较有意思的是，ScienceBuddy 没有只丢给我一段： “睡眠不足会损害认知。” 这种看起来正确，但很难继续核验的总结。它直接把不同研究摊成了一张证据表。哪篇论文、什么样本、什么睡眠条件、测了哪一种认知能力、主要发现是什么，都放到了一起。从这次整理出来的结果看：睡眠不足对持续注意 / 警觉性的影响相对更一致，而工作记忆和一些复杂认知任务上的结果明显更分化。但我真正觉得 ScienceBuddy 有用的地方，其实还不只是这张表。而是它的「轨迹」。 ScienceBuddy 会把任务怎么规划、调用了什么工具、跑了什么代码、得到了什么结果，都摊出来。最终的结果文件也能直接下载。如果觉得某一条结论太含糊，还可以直接在原任务里继续追问，让它基于之前的上下文重新处理。这也是我现在看 Agent 越来越在意的一点：不是它能不能给我一个“很像答案”的答案，而是它干活的过程，能不能让我翻出来检查。对做综述、开题、数据分析的人来说，这种工作流应该会比单纯聊天实用很多。 ScienceBuddy 目前首先面向生物医学方向，集成了 224 个科学工具，支持文献检索、数据库查询，以及 Python / R / Bash 等运行环境。而且现在还是免费的：邮箱直接注册，不需要邀请码。我自己会把 ScienceBuddy 当成一种： “进入陌生领域之前，先把原始论文和证据摊开看一遍”的工具。当然，科研结论不能因为 AI 做出一张漂亮的表就直接信。 ScienceBuddy 目前还是 Preview，真正用于研究之前，结果还是要自己核验。 PhAI Labs

我真的没有拼多多

33,299 views • 7 days ago

下午喝杯咖啡，真的会影响晚上睡觉吗？我找了三篇关于咖啡因和睡眠的论文，想看看这事到底怎么说。结果几篇结论还不太一样，干脆丢给 ScienceBuddy 一起对照。先让它整理研究设计、剂量和结果，再追问：“为什么这几篇论文的结论不同？” 它把实验条件拆开，整理可能导致差异的原因。我接着问：“这些结果怎么写进综述？”它就在前面的讨论上，把结论和对应解释分项整理出来。平时看论文，单篇能看懂，放到一起就容易犯迷糊。这次我想试的，就是让它帮忙把几篇之间的关系捋清楚。实际过程放在视频里了。 ScienceBuddy 是 PhAI Labs 推出的 AI 科研工作台，目前免费，主要面向生物医学方向。电脑浏览器打开，上传文献就能开始问，不用自己配环境。正在写综述、做课题的，可以拿手头几篇公开论文试试。免费体验 👉

下午喝杯咖啡，真的会影响晚上睡觉吗？我找了三篇关于咖啡因和睡眠的论文，想看看这事到底怎么说。结果几篇结论还不太一样，干脆丢给 ScienceBuddy 一起对照。先让它整理研究设计、剂量和结果，再追问：“为什么这几篇论文的结论不同？” 它把实验条件拆开，整理可能导致差异的原因。我接着问：“这些结果怎么写进综述？”它就在前面的讨论上，把结论和对应解释分项整理出来。平时看论文，单篇能看懂，放到一起就容易犯迷糊。这次我想试的，就是让它帮忙把几篇之间的关系捋清楚。实际过程放在视频里了。 ScienceBuddy 是 PhAI Labs 推出的 AI 科研工作台，目前免费，主要面向生物医学方向。电脑浏览器打开，上传文献就能开始问，不用自己配环境。正在写综述、做课题的，可以拿手头几篇公开论文试试。免费体验 👉

Yanhua

28,038 views • 6 days ago

刚发现一个免费 AI 科研工作台 ScienceBuddy，搞科研的朋友有福了 🥳 我拿它调研了一下最近很火的 Jev 相关的论文，它给我找出了 8 篇论文整理成表、用大白话讲了 Jev 跟 ChatGPT 有啥不一样，还给了几个适合新手的毕设方向。我挑了两篇 AI 搜的论文去 arXiv 核对，都对得上，AI 的每一步调用都透明可查，能翻回去确认。刚研究生开学、准备毕设开题的同学可以去试试。

刚发现一个免费 AI 科研工作台 ScienceBuddy，搞科研的朋友有福了 🥳 我拿它调研了一下最近很火的 Jev 相关的论文，它给我找出了 8 篇论文整理成表、用大白话讲了 Jev 跟 ChatGPT 有啥不一样，还给了几个适合新手的毕设方向。我挑了两篇 AI 搜的论文去 arXiv 核对，都对得上，AI 的每一步调用都透明可查，能翻回去确认。刚研究生开学、准备毕设开题的同学可以去试试。

程序员鱼皮

25,620 views • 6 days ago

一张贴纸，真的能读懂你的汗液吗？最近看到一篇关于汗液贴片的论文，我很想弄明白：汗液怎么进入贴片？图里那些弯弯绕绕的通道在做什么？不同研究的检测方案，又有什么区别？作为这个领域的小白，我想把图里的工作原理也弄明白。于是用了 PhAI Labs PhAI Labs出品的免费 AI 科研工作台 ScienceBuddy，拿四篇公开论文跑了一次。下面的 90 秒视频，就是这次操作的剪辑记录。第一步，把四篇 PDF 拖进去，用最直接的话问： “这几篇论文分别研究了什么？贴片怎么工作？实验发现和局限是什么？” 它先整理每篇的思路，再比较不同方案。比如，运动时收集汗液和静息状态下监测，关注的问题就不完全一样。读完这一轮，再回到原文，就知道该重点找哪些方法和证据。第二步，把看不懂的原图贴进去继续问： “这张图片展示了什么过程？帮我详细解释一下。” 这是我觉得最直观的一步。论文里密密麻麻的结构图，可以沿着分层结构、微流控通道、检测区域逐项看。哪里没懂，就接着追问，再把解释和原图对上。第三步，请它根据四篇论文和前面的讨论，整理一份总结性报告。这次实际得到的是可以下载的 Markdown 报告初稿。下载后，还可以补充原文出处、调整结构、逐条核对，作为下一步阅读和整理的起点。对我来说，省心的地方是：读文献、问图片、整理报告，可以在同一个任务里接着做，不用每次重新交代背景。整个操作也没有写代码或配置环境，都是上传文件、用自然语言提问。需要调用工具的任务，还可以在「轨迹」面板检查执行步骤。至于引用是否准确、图能支持什么结论，依然要回到论文核对。 ScienceBuddy 目前免费开放，主要面向生物医学方向的科研人员和学生。用电脑浏览器打开你最想让它帮忙读懂哪张论文图？ ScienceBuddy 目前为 Preview 版本，分析结果请自行核验后再用于研究。

一张贴纸，真的能读懂你的汗液吗？最近看到一篇关于汗液贴片的论文，我很想弄明白：汗液怎么进入贴片？图里那些弯弯绕绕的通道在做什么？不同研究的检测方案，又有什么区别？作为这个领域的小白，我想把图里的工作原理也弄明白。于是用了 PhAI Labs PhAI Labs出品的免费 AI 科研工作台 ScienceBuddy，拿四篇公开论文跑了一次。下面的 90 秒视频，就是这次操作的剪辑记录。第一步，把四篇 PDF 拖进去，用最直接的话问： “这几篇论文分别研究了什么？贴片怎么工作？实验发现和局限是什么？” 它先整理每篇的思路，再比较不同方案。比如，运动时收集汗液和静息状态下监测，关注的问题就不完全一样。读完这一轮，再回到原文，就知道该重点找哪些方法和证据。第二步，把看不懂的原图贴进去继续问： “这张图片展示了什么过程？帮我详细解释一下。” 这是我觉得最直观的一步。论文里密密麻麻的结构图，可以沿着分层结构、微流控通道、检测区域逐项看。哪里没懂，就接着追问，再把解释和原图对上。第三步，请它根据四篇论文和前面的讨论，整理一份总结性报告。这次实际得到的是可以下载的 Markdown 报告初稿。下载后，还可以补充原文出处、调整结构、逐条核对，作为下一步阅读和整理的起点。对我来说，省心的地方是：读文献、问图片、整理报告，可以在同一个任务里接着做，不用每次重新交代背景。整个操作也没有写代码或配置环境，都是上传文件、用自然语言提问。需要调用工具的任务，还可以在「轨迹」面板检查执行步骤。至于引用是否准确、图能支持什么结论，依然要回到论文核对。 ScienceBuddy 目前免费开放，主要面向生物医学方向的科研人员和学生。用电脑浏览器打开你最想让它帮忙读懂哪张论文图？ ScienceBuddy 目前为 Preview 版本，分析结果请自行核验后再用于研究。

知识猫AI实验室

38,065 views • 7 days ago

科研的门槛，正在被重新定义。以前做科研：熬夜刷论文、反复跑代码、写一周综述。现在只需要：一句话指令。 Feynman 这个开源 AI 代理，正在把博士级研究流程，压缩成自动执行任务。过去要花一周完成的 arXiv 调研、代码验证、文献综述，现在交给 Feynman，几分钟就能生成一份带完整引用、经过审稿式校验的研究简报。核心能力：四大智能体协同：Researcher 搜论文、Reviewer 挑刺、Writer 写报告、Verifier 核引用，几乎零幻觉一句话深度研究：feynman deepresearch "xxx"，自动完成检索、综述、共识与争议提炼真能干实验：论文审计（claim vs 代码）、一键本地或云 GPU 复现、主题持续追踪本地优先 + 完全开源：支持 Ollama 等本地模型，数据不离电脑，免费可自建不管你是 AI 研究员、独立开发者，还是学生党，Feynman 都能把重复劳动甩给 AI，让你专注真正有创造性的工作。

科研的门槛，正在被重新定义。以前做科研：熬夜刷论文、反复跑代码、写一周综述。现在只需要：一句话指令。 Feynman 这个开源 AI 代理，正在把博士级研究流程，压缩成自动执行任务。过去要花一周完成的 arXiv 调研、代码验证、文献综述，现在交给 Feynman，几分钟就能生成一份带完整引用、经过审稿式校验的研究简报。核心能力：四大智能体协同：Researcher 搜论文、Reviewer 挑刺、Writer 写报告、Verifier 核引用，几乎零幻觉一句话深度研究：feynman deepresearch "xxx"，自动完成检索、综述、共识与争议提炼真能干实验：论文审计（claim vs 代码）、一键本地或云 GPU 复现、主题持续追踪本地优先 + 完全开源：支持 Ollama 等本地模型，数据不离电脑，免费可自建不管你是 AI 研究员、独立开发者，还是学生党，Feynman 都能把重复劳动甩给 AI，让你专注真正有创造性的工作。

开发者Hailey

51,831 views • 4 months ago

6月25日，博主“耿同学”发布视频，谈及自己对当前学术生态的看法。他认为，文科和理工科正分别陷入不同形式的困境。以部分文科研究为例，一些论文更多是在表达立场而非探讨问题本身。他举例称，有些议题从一开始就存在结论上的限制，学术讨论空间十分有限，论文的功能更像是在证明既定观点，而不是寻找答案。在理工科领域，他则将问题概括为“灌水”。他说，某些研究方向已经形成固定套路，只需更换材料、调整参数，就能拼凑出一篇新论文。面对“这些实验究竟有什么意义”的疑问，许多学生得到的回答往往只是“发论文就行了”。在论文、项目和考核压力下，不少导师和学生都被裹挟其中，难以摆脱这一循环。视频最后，耿同学谈到了自己的退学决定。他表示，对于普通家庭出身的学生来说，首先要考虑的是现实生计。当他发现校外收入已经能够满足生活需求，而继续读博却看不到与付出相匹配的回报时，最终选择离开学校。

6月25日，博主“耿同学”发布视频，谈及自己对当前学术生态的看法。他认为，文科和理工科正分别陷入不同形式的困境。以部分文科研究为例，一些论文更多是在表达立场而非探讨问题本身。他举例称，有些议题从一开始就存在结论上的限制，学术讨论空间十分有限，论文的功能更像是在证明既定观点，而不是寻找答案。在理工科领域，他则将问题概括为“灌水”。他说，某些研究方向已经形成固定套路，只需更换材料、调整参数，就能拼凑出一篇新论文。面对“这些实验究竟有什么意义”的疑问，许多学生得到的回答往往只是“发论文就行了”。在论文、项目和考核压力下，不少导师和学生都被裹挟其中，难以摆脱这一循环。视频最后，耿同学谈到了自己的退学决定。他表示，对于普通家庭出身的学生来说，首先要考虑的是现实生计。当他发现校外收入已经能够满足生活需求，而继续读博却看不到与付出相匹配的回报时，最终选择离开学校。

李老师不是你老师

202,401 views • 3 months ago

读论文时经常被各种专业术语、复杂概念和密集信息弄得头昏脑涨，想快速理解论文核心观点或生成文献综述更是特别耗时费力。给大家推荐一款学术研究的开源效率神器：PapersGPT For Zotero，让我们能直接与论文进行对话，极大提高我们阅读论文的效率。这是 Zotero 文献工具的一款插件，通过集成了各种 AI 模型，实现了在 Zotero 界面上对文献进行提问、提取见解、生成综述，甚至能与多篇论文同时对话。 GitHub：主要功能： - Mac 用户可一键使用本地开源模型（如 DeepSeek V3、Qwen 3 等），无需额外配置； - 集成几乎所有主流 AI 模型，包括 Gemini、ChatGPT、Claude 等，只需一个 API 密钥即可使用； - 支持选择多篇 PDF 论文或整个文件夹，快速分析和同时对话； - 内置各种学术场景提示词，如生成文献综述、理论框架分析等； - 完全本地处理选项，保证敏感研究数据的隐私安全； - 与 Zotero 无缝集成，无需离开界面即可管理和聊天文档。安装只需在 GitHub 发布页面下载 .xpi 文件，并通过 Zotero 的 “文件安装附加组件” 功能安装，简单配置下即可使用。

读论文时经常被各种专业术语、复杂概念和密集信息弄得头昏脑涨，想快速理解论文核心观点或生成文献综述更是特别耗时费力。给大家推荐一款学术研究的开源效率神器：PapersGPT For Zotero，让我们能直接与论文进行对话，极大提高我们阅读论文的效率。这是 Zotero 文献工具的一款插件，通过集成了各种 AI 模型，实现了在 Zotero 界面上对文献进行提问、提取见解、生成综述，甚至能与多篇论文同时对话。 GitHub：主要功能： - Mac 用户可一键使用本地开源模型（如 DeepSeek V3、Qwen 3 等），无需额外配置； - 集成几乎所有主流 AI 模型，包括 Gemini、ChatGPT、Claude 等，只需一个 API 密钥即可使用； - 支持选择多篇 PDF 论文或整个文件夹，快速分析和同时对话； - 内置各种学术场景提示词，如生成文献综述、理论框架分析等； - 完全本地处理选项，保证敏感研究数据的隐私安全； - 与 Zotero 无缝集成，无需离开界面即可管理和聊天文档。安装只需在 GitHub 发布页面下载 .xpi 文件，并通过 Zotero 的 “文件安装附加组件” 功能安装，简单配置下即可使用。

GitHubDaily

19,556 views • 1 year ago

平时分析数据，从清洗、探索到建模、可视化，再到撰写报告，整个流程非常耗时，当要面对多个不同格式的数据文件时更是头疼。恰巧，找到了 DeepAnalyze 这个开源项目，它能让 AI 自主完成整个数据科学流程，真正做到无需人工干预。基于 DeepSeek-R1 和课程学习训练方法开发，支持数据准备、分析、建模、可视化到报告生成的全流程。可以处理数据库、CSV、Excel、JSON、XML 等各种格式数据，最终直接生成专业级的研究报告给我们。 GitHub：同时提供 50 万条训练数据集，完全开源模型和代码，方便我们二次开发。只需克隆代码到本地并下载模型后，通过 vLLM 部署即可使用。

平时分析数据，从清洗、探索到建模、可视化，再到撰写报告，整个流程非常耗时，当要面对多个不同格式的数据文件时更是头疼。恰巧，找到了 DeepAnalyze 这个开源项目，它能让 AI 自主完成整个数据科学流程，真正做到无需人工干预。基于 DeepSeek-R1 和课程学习训练方法开发，支持数据准备、分析、建模、可视化到报告生成的全流程。可以处理数据库、CSV、Excel、JSON、XML 等各种格式数据，最终直接生成专业级的研究报告给我们。 GitHub：同时提供 50 万条训练数据集，完全开源模型和代码，方便我们二次开发。只需克隆代码到本地并下载模型后，通过 vLLM 部署即可使用。

GitHubDaily

22,068 views • 11 months ago

看到浙工大研究生课开始讲「全自动科研工具」，挺开心的。这个视频主要讲的是：怎么用 AI Agent 把科研里的数据处理、代码执行、结果整理、论文写作和复现包串成一条可追溯的工作流。很多研究生还在手工整理文献、跑实验、做表格的时候，有人已经开始用 Agent 把这些流程自动化了。科研最有价值的部分从来不是重复劳动，而是提出问题、设计实验和产生洞见。真希望国内研究生教育能多一些这样的内容。工具是在提高生产力，不是在降低科研门槛。把时间从重复工作里解放出来，才能把更多时间留给思考、创造和生活。视频已经得到老师转载的许可，老师的小红书账号是“爱练腿的龙脖（AI版” #AI科研 #科研自动化 #Agent #研究生教育 #claudecode #codex

看到浙工大研究生课开始讲「全自动科研工具」，挺开心的。这个视频主要讲的是：怎么用 AI Agent 把科研里的数据处理、代码执行、结果整理、论文写作和复现包串成一条可追溯的工作流。很多研究生还在手工整理文献、跑实验、做表格的时候，有人已经开始用 Agent 把这些流程自动化了。科研最有价值的部分从来不是重复劳动，而是提出问题、设计实验和产生洞见。真希望国内研究生教育能多一些这样的内容。工具是在提高生产力，不是在降低科研门槛。把时间从重复工作里解放出来，才能把更多时间留给思考、创造和生活。视频已经得到老师转载的许可，老师的小红书账号是“爱练腿的龙脖（AI版” #AI科研 #科研自动化 #Agent #研究生教育 #claudecode #codex

Xudong Han

127,345 views • 4 months ago

🚨 终于有人把“金融数据 + AI Agent”这件事打通了 OpenBB 目前 GitHub 上已有近 7 万 star，是一个开源的金融数据与研究平台，被很多人称为「开源版 Bloomberg Terminal」以前做金融研究，最烦的不是不会分析，而是数据太散：一个终端看行情，一个表格存模型，一个网站翻 SEC 文件，一个工具跑图表，最后还要复制给 AI 总结。现在它把过去只有机构才能轻松获取的专业数据，整合成了人人可用的工具，核心亮点： > 覆盖股票、期权、加密货币、外汇、宏观经济、固定收益等多个市场 > 包含财务数据、高管信息、股东结构、地区分布等细粒度信息 > 支持 AI 集成，一条指令就能让 AI 调取数据并生成深度研报 > 数据可自部署，保护隐私和数据安全只输入一条指令，AI 就能调取数据、生成深度研报，全球金融数据接口真的被打通了做股票研究、量化分析、基金投研、AI 金融 Agent 的，强烈建议保存看看

🚨 终于有人把“金融数据 + AI Agent”这件事打通了 OpenBB 目前 GitHub 上已有近 7 万 star，是一个开源的金融数据与研究平台，被很多人称为「开源版 Bloomberg Terminal」以前做金融研究，最烦的不是不会分析，而是数据太散：一个终端看行情，一个表格存模型，一个网站翻 SEC 文件，一个工具跑图表，最后还要复制给 AI 总结。现在它把过去只有机构才能轻松获取的专业数据，整合成了人人可用的工具，核心亮点： > 覆盖股票、期权、加密货币、外汇、宏观经济、固定收益等多个市场 > 包含财务数据、高管信息、股东结构、地区分布等细粒度信息 > 支持 AI 集成，一条指令就能让 AI 调取数据并生成深度研报 > 数据可自部署，保护隐私和数据安全只输入一条指令，AI 就能调取数据、生成深度研报，全球金融数据接口真的被打通了做股票研究、量化分析、基金投研、AI 金融 Agent 的，强烈建议保存看看

爱吃折耳根的Ace

18,508 views • 3 months ago

别再复制粘贴了，我让 Apodex直接读完一份 641 页文件最近试了一种更实际的 AI 使用方式：不再复制粘贴一段内容，而是直接上传一份真实文件，看它怎么把任务做完。我把之前参与编写的《最优化：建模、算法与理论》上传到了 Apodex。整份文件有 641 页，覆盖优化建模、最优性理论，以及无约束、约束和复合优化算法等内容。我先问了它一个基础问题： “请帮我分析一下，这份内容由哪些部分组成？” 它需要先真正读取文件，再从大量章节中梳理整体框架，而不是只根据标题生成一段泛泛的摘要。接着我继续追问： “如果想基于这份内容做一些调整，可以从哪些方面修改？” 这一步更接近真实工作：不只是理解现有材料，还要结合原文件继续分析，找到可以调整的方向。整个过程里，我比较在意的不是它最后写了多少字，而是任务过程本身：它如何理解文件、拆解问题、推进分析，并基于同一份材料继续完成下一步。这也是我觉得 Apodex 1.1 和普通问答工具不同的地方——推理不只停留在一份回答里，而是进入真实文件，沿着任务继续执行。如果你手上也有论文、报告、数据表或代码，可以自己上传一份真实文件试试： Web 在线体验： API 平台：开源的 FrontierAgent 也可以在 GitHub 上找到，支持单 Agent 和多 Agent 协作，感兴趣可以顺手点个 Star： Apodex 1.1 mini（35B）模型权重已经开放，可本地部署，并能搭配 FrontierAgent 使用：核心感受就一句：别只问 AI 一个问题。上传一份真实文件，看看它能不能接着把事情做完。

别再复制粘贴了，我让 Apodex直接读完一份 641 页文件最近试了一种更实际的 AI 使用方式：不再复制粘贴一段内容，而是直接上传一份真实文件，看它怎么把任务做完。我把之前参与编写的《最优化：建模、算法与理论》上传到了 Apodex。整份文件有 641 页，覆盖优化建模、最优性理论，以及无约束、约束和复合优化算法等内容。我先问了它一个基础问题： “请帮我分析一下，这份内容由哪些部分组成？” 它需要先真正读取文件，再从大量章节中梳理整体框架，而不是只根据标题生成一段泛泛的摘要。接着我继续追问： “如果想基于这份内容做一些调整，可以从哪些方面修改？” 这一步更接近真实工作：不只是理解现有材料，还要结合原文件继续分析，找到可以调整的方向。整个过程里，我比较在意的不是它最后写了多少字，而是任务过程本身：它如何理解文件、拆解问题、推进分析，并基于同一份材料继续完成下一步。这也是我觉得 Apodex 1.1 和普通问答工具不同的地方——推理不只停留在一份回答里，而是进入真实文件，沿着任务继续执行。如果你手上也有论文、报告、数据表或代码，可以自己上传一份真实文件试试： Web 在线体验： API 平台：开源的 FrontierAgent 也可以在 GitHub 上找到，支持单 Agent 和多 Agent 协作，感兴趣可以顺手点个 Star： Apodex 1.1 mini（35B）模型权重已经开放，可本地部署，并能搭配 FrontierAgent 使用：核心感受就一句：别只问 AI 一个问题。上传一份真实文件，看看它能不能接着把事情做完。

程序员端哥

54,610 views • 1 month ago

最近国内几个模型大厂好像摊上事了？也不知道真事假事，还是那个姓A的在碰瓷挑事！吃瓜的时候，突然刷到一个新模型！乍一看Atria ASI，差点看成了是Astra，真的很像，模型代号叫 Atria Dawn Preview！据说背后约三分之二的研发成员还是高校在校学生！！我是真想知道这群学生能把模型做成什么样？所以，找了很久才找到了API，接入下来测试了一下，我用它一句话做个 3D 家装工作台，最后出来的效果居然还可以！！能画户型、拖家具、改尺寸、保存项目、导出截图、还能自由拖放布置家具，其实这个任务倒是不难，主要我一句话说的很笼统，需要它能够理解我的意图，并且准确规划，将这个工作台做的尽可能完善。但其实，写代码还并不是这个模型的主要能力。它的定位，是面向科研和专业工作的智能体模型，擅长把一个复杂任务继续往前推进，最终变成可运行、可检查、可使用的成果。比如从一个问题、一份数据、一段代码或者一篇论文出发，它可以继续完成资料检索、代码实现、实验执行和反馈修正，最后交付研究报告、软件系统、文档表格、演示文稿、三维设计等等。可以用来做科研、写报告、写代码、画CAD！！不知道这个API能用多久，后面我可以再测试一下不同的场景。有兴趣可以持续关注一下！

最近国内几个模型大厂好像摊上事了？也不知道真事假事，还是那个姓A的在碰瓷挑事！吃瓜的时候，突然刷到一个新模型！乍一看Atria ASI，差点看成了是Astra，真的很像，模型代号叫 Atria Dawn Preview！据说背后约三分之二的研发成员还是高校在校学生！！我是真想知道这群学生能把模型做成什么样？所以，找了很久才找到了API，接入下来测试了一下，我用它一句话做个 3D 家装工作台，最后出来的效果居然还可以！！能画户型、拖家具、改尺寸、保存项目、导出截图、还能自由拖放布置家具，其实这个任务倒是不难，主要我一句话说的很笼统，需要它能够理解我的意图，并且准确规划，将这个工作台做的尽可能完善。但其实，写代码还并不是这个模型的主要能力。它的定位，是面向科研和专业工作的智能体模型，擅长把一个复杂任务继续往前推进，最终变成可运行、可检查、可使用的成果。比如从一个问题、一份数据、一段代码或者一篇论文出发，它可以继续完成资料检索、代码实现、实验执行和反馈修正，最后交付研究报告、软件系统、文档表格、演示文稿、三维设计等等。可以用来做科研、写报告、写代码、画CAD！！不知道这个API能用多久，后面我可以再测试一下不同的场景。有兴趣可以持续关注一下！

沐阳

28,159 views • 15 days ago

非常非常值得一看的来自 LangChain 团队的 RAG 视频：当 LLM 的上下文足够长了就不需要 RAG 了吗？ —— RAG在长上下文大语言模型(LLM)中的应用探讨这是Lance Martin最近在几个聚会上关于在长上下文LLM时代使用RAG的讲座。随着上下文窗口增至超过100万Token，很多人质疑RAG是否已经过时。我们结合几个最新的项目成果来分析这个问题。我们讨论了长上下文LLM在事实推理和信息检索方面现有的限制（采用多针索引分析法），同时也探讨了上下文窗口扩展可能带来的RAG应用场景的变化，如文档中心的索引技术和RAG的流程优化。幻灯片展示：[查看详情]( 重点参考文献： 1/ 多针索引分析，合作研究者Greg Kamradt [阅读更多]( 2/ RAPTOR研究项目，主要研究者包括Parth Sarthi [项目首页]( [视频介绍]( 3/ Dense-X / 多维数据索引技术，主要研究者Tong Chen [学术论文]( [相关博客]( 4/ 长上下文数据嵌入技术，研究者包括Jon Saad-Falcon, Dan Fu, Simran Arora [研究概览]( [技术教程]( 5/ 自适应RAG (Akari Asai等)，及C-RAG (Shi-Qi Yan等) [论文一]( [论文二]( [研究动态]( 0:20 - 上下文窗口正逐渐增大 2:10 - 多针索引挑战 9:30 - RAG的未来变革 12:00 - 查询机制分析 13:07 - 以文档为中心的索引技术 16:23 - 自我反思的RAG模式 19:40 - 总结

非常非常值得一看的来自 LangChain 团队的 RAG 视频：当 LLM 的上下文足够长了就不需要 RAG 了吗？ —— RAG在长上下文大语言模型(LLM)中的应用探讨这是Lance Martin最近在几个聚会上关于在长上下文LLM时代使用RAG的讲座。随着上下文窗口增至超过100万Token，很多人质疑RAG是否已经过时。我们结合几个最新的项目成果来分析这个问题。我们讨论了长上下文LLM在事实推理和信息检索方面现有的限制（采用多针索引分析法），同时也探讨了上下文窗口扩展可能带来的RAG应用场景的变化，如文档中心的索引技术和RAG的流程优化。幻灯片展示：[查看详情]( 重点参考文献： 1/ 多针索引分析，合作研究者Greg Kamradt [阅读更多]( 2/ RAPTOR研究项目，主要研究者包括Parth Sarthi [项目首页]( [视频介绍]( 3/ Dense-X / 多维数据索引技术，主要研究者Tong Chen [学术论文]( [相关博客]( 4/ 长上下文数据嵌入技术，研究者包括Jon Saad-Falcon, Dan Fu, Simran Arora [研究概览]( [技术教程]( 5/ 自适应RAG (Akari Asai等)，及C-RAG (Shi-Qi Yan等) [论文一]( [论文二]( [研究动态]( 0:20 - 上下文窗口正逐渐增大 2:10 - 多针索引挑战 9:30 - RAG的未来变革 12:00 - 查询机制分析 13:07 - 以文档为中心的索引技术 16:23 - 自我反思的RAG模式 19:40 - 总结

宝玉

83,379 views • 2 years ago

强，Perplexity搞了一款专利研究搜索工具：Perplexity Patents，用自然语言提问，即可给出专利详情把查专利这件专业人士干的事儿，变成了像用搜索引擎一样简单比如说，工程师、研发经理、投资人或者学生，能快速知道自己的想法的落地（技术），有没有人申请专利，或者是快速了解竞争对手最近布局了什么它也不仅限于搜索专利文献，还会探索学术论文、公共软件库以及其他首次出现新想法或突破的来源当有提问，它先检索，会在专利数据库中进行搜索，找到最相关的专利文件可以语义搜索、跨专利/论文/代码库检索、对话式追问然后总结，生成一个清晰简洁的摘要，答案会附来源引用，击来源链接可以查看原始专利文件已公开beta版，此版全球免费可用，Pro/Max 订阅用户可获得更多次数和高级配置 #AI专利助手 #PerplexityPatents

强，Perplexity搞了一款专利研究搜索工具：Perplexity Patents，用自然语言提问，即可给出专利详情把查专利这件专业人士干的事儿，变成了像用搜索引擎一样简单比如说，工程师、研发经理、投资人或者学生，能快速知道自己的想法的落地（技术），有没有人申请专利，或者是快速了解竞争对手最近布局了什么它也不仅限于搜索专利文献，还会探索学术论文、公共软件库以及其他首次出现新想法或突破的来源当有提问，它先检索，会在专利数据库中进行搜索，找到最相关的专利文件可以语义搜索、跨专利/论文/代码库检索、对话式追问然后总结，生成一个清晰简洁的摘要，答案会附来源引用，击来源链接可以查看原始专利文件已公开beta版，此版全球免费可用，Pro/Max 订阅用户可获得更多次数和高级配置 #AI专利助手 #PerplexityPatents

AIGCLINK

29,313 views • 11 months ago

千万别拿我和张雪峰这个大傻逼作对比。网友：我想学AI相关的专业，我对AI很感兴趣，请问我应该选计算机还是数学？我：你一定要选计算机，先把python和数据结构基础打好，然后从deep learning这门课开始学，可以在家配置一个nvidia GPU的笔记本或者台式机，或者用google colab，先从最简单的 CNN 开始训练，找一个dataset，自己安装好pytorch和cuda、cudnn，抄一个经典CNN model，训练你的第一个神经网络，然后可以学习transformer，学习encoder only的BERT，学习decoder only的GPT模型，从minGPT开始，训练你的最小版本的GPT模型，如果你对训练模型感兴趣，可以读个PhD，如果你的inference感兴趣，可以多花点时间看cuda，简单学习一下nvidia tensor core architecture，可以了解GPT后续的模型的架构，如果你对inference感兴趣，你也可以直接看vllm的架构，读里面的代码，理解vllm是如何load一个用pytorch训练好的LLM模型，如果你对AI Agent感兴趣，可以从ReAct Agent开始看，然后看SWE Agent，知道一个Agent是如何抽象出来的，如何调用function call，如何自己做reasoning，如何把一个软件开发的任务用agentical的方式拆分和执行的，然后你可以看codex的架构，看看codex是如何设计memory、auto compact、multi agent、background task这些现代coding Agent功能的。张雪峰（下面视频中可以找到原话）：孩子，你一定要学数学，数学学好了可以转互联网、AI、科技、半导体、金融所有专业，数学是一切专业之母，所有专业的老祖宗！孩子，deepseek就是一群纯数学博士造出来的，这些人天天研究数学，就把deepseek造出来了！孩子，AI本质就是数学建模，就是一个个自变量，你只有研究数学，一直读到数学博士，才能把这些数学建模研究明白，计算机毕业生是永远研究不明白AI的！我的结论是，鼓吹“数学万能论”、“数学是一切专业的老祖宗”、“只有数学博士才能研究AI”的张雪峰和他们的粉丝，都是彻彻底底的大傻逼。

千万别拿我和张雪峰这个大傻逼作对比。网友：我想学AI相关的专业，我对AI很感兴趣，请问我应该选计算机还是数学？我：你一定要选计算机，先把python和数据结构基础打好，然后从deep learning这门课开始学，可以在家配置一个nvidia GPU的笔记本或者台式机，或者用google colab，先从最简单的 CNN 开始训练，找一个dataset，自己安装好pytorch和cuda、cudnn，抄一个经典CNN model，训练你的第一个神经网络，然后可以学习transformer，学习encoder only的BERT，学习decoder only的GPT模型，从minGPT开始，训练你的最小版本的GPT模型，如果你对训练模型感兴趣，可以读个PhD，如果你的inference感兴趣，可以多花点时间看cuda，简单学习一下nvidia tensor core architecture，可以了解GPT后续的模型的架构，如果你对inference感兴趣，你也可以直接看vllm的架构，读里面的代码，理解vllm是如何load一个用pytorch训练好的LLM模型，如果你对AI Agent感兴趣，可以从ReAct Agent开始看，然后看SWE Agent，知道一个Agent是如何抽象出来的，如何调用function call，如何自己做reasoning，如何把一个软件开发的任务用agentical的方式拆分和执行的，然后你可以看codex的架构，看看codex是如何设计memory、auto compact、multi agent、background task这些现代coding Agent功能的。张雪峰（下面视频中可以找到原话）：孩子，你一定要学数学，数学学好了可以转互联网、AI、科技、半导体、金融所有专业，数学是一切专业之母，所有专业的老祖宗！孩子，deepseek就是一群纯数学博士造出来的，这些人天天研究数学，就把deepseek造出来了！孩子，AI本质就是数学建模，就是一个个自变量，你只有研究数学，一直读到数学博士，才能把这些数学建模研究明白，计算机毕业生是永远研究不明白AI的！我的结论是，鼓吹“数学万能论”、“数学是一切专业的老祖宗”、“只有数学博士才能研究AI”的张雪峰和他们的粉丝，都是彻彻底底的大傻逼。

lidang 立党（劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人）

269,860 views • 6 months ago