Systematische Analyse des zunehmenden Einsatzes von LLMs in wissenschaftlichen Artikeln
Der Anteil von durch Large Language Models (LLMs) wie ChatGPT modifizierten Inhalten in akademischen Texten nimmt stetig zu, mit dem stärksten und schnellsten Wachstum im Bereich der Informatik.
AMOR: Ein System zur Lösung des Problems der mehrdeutigen Autorenreihenfolge
AMOR ist ein System, das das Problem der Autorenreihenfolge in wissenschaftlichen Veröffentlichungen durch zufälliges Mischen der Autorenliste beim Betrachten der Publikation elegant löst. Auf diese Weise kann jeder Autor als Erstautor erscheinen.
Schätzung des Ausmaßes von KI-Sprachmodellen in der wissenschaftlichen Literatur
Die Verwendung von ChatGPT und ähnlichen KI-Sprachmodellen in der wissenschaftlichen Kommunikation und akademischen Veröffentlichungen hat in den letzten Jahren deutlich zugenommen. Diese Studie schätzt, dass mindestens 60.000 Artikel (etwas über 1% aller Artikel) im Jahr 2023 mit Hilfe von KI-Sprachmodellen erstellt wurden.
Evidenzbasierte, interpretierbare lokale Zitationsempfehlung
Unser System ILCiteR empfiehlt Forschungspapiere für eine gegebene Abfrage, indem es ähnliche Evidenzspannen aus der bestehenden Forschungsliteratur abruft und diese mit den zugehörigen Papieren verknüpft. Im Gegensatz zu früheren Ansätzen, die lediglich Empfehlungen ausgeben, liefert ILCiteR eine geordnete Liste von Evidenzspannen und zugehörigen Empfehlungen, was die Interpretierbarkeit der Empfehlungen erhöht.
© 2024 by Linnk AI