Gemini提供直接链接到科学论文的功能，帮助用户快速找到经过验证的科学引用，确保研究基于高质量数据。

本研究提出了一种新方法，通过细粒度时间引用分析生成科学论文的影响摘要，克服了传统引用计数的不足。该方法有效反映论文的赞扬与批评，并与人类评估相关性良好，获得学者积极反馈，指明未来研究方向。

本研究针对现有视觉语言模型在科学论文跨源推理能力的不足，提出了一个名为MMCR的高难度基准，旨在评估其在处理科学论文中来自不同信息源的推理能力。实验结果显示，现有模型在这一任务上表现不佳，最高模型仅获得48.55%的准确率，这表明开发能够有效利用跨源信息进行推理的视觉语言模型的迫切需求。

本研究通过大型语言模型翻译科学论文，解决了非英语母语研究者的翻译障碍，保持JATS XML格式，翻译准确率达到95.9%。用户普遍认为翻译准确，但对技术术语的“过度翻译”表示担忧。

本研究利用大型语言模型提取入侵生物学文献中的关键生态信息，发现现有模型在生态实体提取方面具有潜力，但也存在局限性，为未来的自动化知识提取工具奠定基础。

本研究提出了OpenReviewer系统，利用Llama-OpenReviewer-8B模型生成高质量的机器学习和AI会议论文审稿。该系统基于79,000篇专家评论训练，生成的评论在批判性和真实性上显著优于通用模型。

本研究解决了科学文献理解过程中因内容密集而导致的阅读困难问题。通过创建一个包含2,937个问答对的新数据集SciDQA，研究采用专家评审所提问、论文作者回答的方式，确保问题的专业性与准确性。研究表明，SciDQA 的问答对需要跨越多个文档和资料进行推理，显著提升了对复杂科学文本理解的研究基础。

本研究评估了大型语言模型在科学同行评审中的应用，特别是在NeurIPS 2024会议中的有效性。结果显示，超过70%的作者认为该助手在核实检查单时非常有帮助，并愿意根据反馈修改论文，尽管存在准确性问题，仍显示出自动审查工具的潜在价值。

大型语言模型在创造性自然语言生成任务中展现了灵活性，但也带来了新挑战。研究提出了一个框架，包含系统输入、参考数据和输出度量，专注于引文文本生成任务。结果强调了任务指令的重要性，并揭示了评估指标之间的关系，为未来研究提供了启示。

本研究发布了一个新的实体与关系提取数据集，涵盖106篇完整科学论文的标注数据，旨在克服现有数据集的注释局限，推动SciIE领域的发展。

最近我重新联系了一位以前的同学，她在推特上分享了很多关于科学论文的内容，激发了我对阅读和学习的热情。她的例子提醒了我与激励和挑战我们的人为伴非常重要。受到她的启发，我决定每周阅读至少一篇人工智能论文，并在社交媒体上分享摘要和见解。我邀请大家加入这个终身学习的旅程，共同成长和进步。

该论文提出了一个新的解决方案，通过创建一个大规模的手动注释的科学论文语料库，并整合作者的原始亮点和文章对社区的实际影响，提出了全面的混合型摘要方法。实验证明该语料库在科学论文摘要中有效，并且混合型摘要优于传统的基于引用的摘要。该研究提供了一个新的科学论文摘要研究框架。

ChatGPT撰写科学论文引言介绍，但机械化和无意义的样式令人震惊。使用AI撰写的文本可作为起点，但仍需人类学者审阅和改进。有人认为ChatGPT的介绍不适合好的论文，但对质量不高的论文来说，使用ChatGPT可能是进步。使用ChatGPT撰写论文时，应将其列为作者。

该论文讨论了一个用于俄语科学论文的自动文本摘要任务的多模态数据集。实验结果表明，SBER的Gigachat和Yandex的YandexGPT语言模型在该任务上表现良好。数据集包含420篇论文，可在指定的URL上获取。

该论文创建了一个多模态数据集，包含文本、表格和图形，并测试了现有的语言模型在自动文本摘要任务上的表现。实验使用了SBER的Gigachat和Yandex的YandexGPT两个语言模型。数据集包含420篇论文，可在指定的URL上获取。

该研究提出了一种方法，用于估计大语言模型在大型语料库中可能被修改或生成的文本比例。研究结果显示，提交给会议的同行评议文本中有6.5％到16.9％的文本可能是由大语言模型进行了大幅修改。研究讨论了生成文本的出现对用户行为的揭示以及对同行评议的影响。研究呼吁未来的跨学科工作来研究大语言模型的使用如何改变我们的信息和知识实践。

TPRC已开放论文征集，包括科学论文。截止日期为4月5日，论文需实时提交。详情请访问TPRC 2024网站。