La Universidad de Stanford ha logrado un avance significativo en el campo de la inteligencia artificial. Han lanzado un sistema de código abierto llamado STORM&Co-STORM, capaz de generar artículos largos y de alta calidad a partir de una simple entrada de tema, integrando información de múltiples fuentes. Esta innovación evita los puntos ciegos de información y mejora significativamente la eficiencia y la calidad de la escritura de investigación.
La tecnología central de STORM&Co-STORM incluye el motor de búsqueda Bing y el soporte de GPT-4o mini. La parte STORM genera iterativamente esquemas, párrafos y artículos completos mediante un diálogo multiperspectivo entre un "experto LLM" y un "moderador LLM". Co-STORM, por su parte, genera mapas mentales dinámicos e interactivos a través del diálogo entre múltiples agentes, asegurando que no se pasen por alto las necesidades de información del usuario.
El usuario solo necesita ingresar una palabra clave en inglés; el sistema generará un artículo largo y de alta calidad que integra información de múltiples fuentes, similar a un artículo de Wikipedia. Al usar STORM, los usuarios pueden elegir libremente entre los modos STORM y Co-STORM. Dado un tema, STORM puede generar un artículo estructurado y de alta calidad en 3 minutos.
Además, los usuarios pueden hacer clic en "See BrainSTORMing Process" para ver el proceso de lluvia de ideas de los diferentes roles de LLM. En la sección "Descubrir", los usuarios pueden consultar artículos y ejemplos de chat generados por otros académicos. Los artículos y registros de chat generados personalmente se pueden encontrar en la barra lateral "Mi Biblioteca".
El proceso de escritura automatizada de STORM se divide en tres etapas: generación de preguntas desde múltiples perspectivas, generación y perfeccionamiento del esquema, y generación del texto completo. El sistema consulta artículos de Wikipedia relacionados para identificar diferentes perspectivas sobre el tema, luego simula una conversación entre un escritor de Wikipedia y un experto basado en fuentes web confiables. Basándose en el conocimiento inherente del LLM, el contenido de la conversación recopilado desde diferentes perspectivas se utiliza para elaborar cuidadosamente un esquema de escritura.
Aunque STORM descubre diferentes perspectivas al investigar un tema dado, la información recopilada puede estar sesgada hacia las fuentes principales de Internet y puede incluir contenido promocional. Otra limitación de la investigación es que, aunque los investigadores se enfocan en generar artículos similares a Wikipedia desde cero, solo consideran la generación de texto de organización libre. Los artículos de Wikipedia de alta calidad escritos por humanos suelen contener datos estructurados e información multimodal.
Co-STORM tiene como objetivo mejorar la recopilación y la integración de información para reducir las omisiones y aumentar significativamente la eficiencia del aprendizaje. Mediante la colaboración de múltiples agentes, mapas mentales dinámicos y un módulo de generación de informes, ayuda a los usuarios a comprender y participar en la organización de la información. Los investigadores realizaron una evaluación humana con 20 voluntarios, comparando el rendimiento de Co-STORM con los motores de búsqueda tradicionales y los chatbots RAG. Los resultados mostraron que Co-STORM mejoró significativamente la profundidad y la amplitud de la información, y el 70% de los usuarios prefirieron Co-STORM, considerando que reducía significativamente la carga cognitiva.
Actualmente, STORM&Co-STORM solo admite interacción en inglés, aunque se planea expandir su capacidad a múltiples idiomas en el futuro. La publicación de este sistema de código abierto marca una era extraordinaria en la que la forma de obtener información se puede personalizar completamente según el nivel individual, haciendo posible aprender cualquier cosa.
Dirección del artículo: https://www.arxiv.org/pdf/2408.15232