Die OpenBMB Open-Source-Community begrüßt ihr neues Mitglied „Juànjī“ (SurveyGO), das im Bereich der Langtextgenerierung für Aufsehen sorgt. Sowohl Studenten als auch Berufstätige stehen heutzutage vor der Herausforderung, effizient an Informationen zu gelangen. „Juànjī“ bietet eine neue Hoffnung auf die Lösung dieses Problems.
„Juànjī“: Der „König“ der Langtextgenerierung
„Juànjī“ kann als der „König“ der Langtextgenerierung bezeichnet werden. Sie nutzt Informationsentropie und Faltungsalgorithmen, um schnell große Mengen an Literatur zu verarbeiten und komplexe Informationen zu hochwertigen Übersichten zusammenzufassen. Egal ob es sich um Nischenbereiche oder aktuelle Forschungsthemen handelt, mit nur wenigen Keywords kann „Juànjī“ präzise Literatur auswählen, Kerninformationen extrahieren und logisch fundierte und originelle Inhalte erstellen.
Der Zugriff auf die von „Juànjī“ generierten Übersichtsberichte ist einfach. Der Nutzer öffnet die angegebene Webseite, wählt den normalen oder professionellen Modus für seine Anfrage und kann nach erneuter Anmeldung den Bericht abrufen. Die Webseite bietet über eine „Schreibbedarfsliste“ auch verschiedene neue Forschungsthemen an, die die Nutzer interaktiv bewerten können.
Leistungstest von „Juànjī“
Um die Leistung zu überprüfen, führte das Team einen Vergleichstest durch, bei dem „Juànjī“ zusammen mit Modellen wie OpenAI-DeepResearch einen Übersichtsbericht zum Thema „Die Auswirkungen des Zollkriegs auf das Leben der Durchschnittsbürger“ verfasste. Die Bewertung erfolgte anhand der Kriterien Struktur, Inhalt, Argumentation und Zitierweise. „Juànjī“ zeigte dabei eine hervorragende Leistung. Das generierte Dokument wies eine klare Struktur, eine tiefgehende Inhaltsanalyse, fundierte Argumentationen und präzise Zitate auf und übertraf die anderen Modelle in der Gesamtleistung.
LLMxMapReduce-V2: Technologische Grundlage
Die Leistungsfähigkeit von „Juànjī“ basiert auf der LLMxMapReduce-V2-Technologie zur Integration und Generierung von Langtexten. Dies ist ein gemeinsames Ergebnis der Teams von AI9Star, OpenBMB und der Tsinghua-Universität und stellt eine verbesserte Version der bestehenden Technologie dar. Diese Technologie nutzt Faltungsalgorithmen zur Aggregation von Referenzliteratur und kombiniert sie mit einer durch Informationsentropie gesteuerten Methode zur Skalierung von Zufallskonvolutionstests, um hocheffizient sehr lange Eingaben zu verarbeiten und die Qualität der Texte zu verbessern.
Die Forschungsgruppe verwendete den neu entwickelten SurveyEval-Benchmark für die Bewertung. Die Ergebnisse zeigen, dass LLMxMapReduce-V2 in mehreren wichtigen Kennzahlen hervorragend abschneidet, insbesondere bei der Nutzung von Referenzliteratur. Dies zeigt, dass die „Juànjī“-Technologie bei der Verarbeitung von Aufgaben zur Integration großer Datenmengen sehr leistungsstark ist und in Zukunft im Bereich der Langtextgenerierung ein großes Anwendungspotenzial hat und die Branche weiterentwickeln kann.
Adresse: https://surveygo.thunlp.org/
