A Universidade de Stanford alcançou mais um avanço significativo na área de inteligência artificial. Seu mais recente sistema desenvolvido, STORM&Co-STORM, já está disponível em código aberto. Este sistema é capaz de integrar informações de múltiplas fontes e gerar artigos longos e de alta qualidade a partir de uma simples entrada de tema. Essa inovação não apenas evita pontos cegos de informação, mas também aumenta significativamente a eficiência e a qualidade da escrita acadêmica.
A tecnologia central do sistema STORM&Co-STORM inclui o suporte do Bing Search e do GPT-4o mini. A parte STORM gera iterativamente tópicos, parágrafos e artigos por meio de um diálogo multifacetado entre "especialistas LLM" e "apresentadores LLM". Já o Co-STORM gera mapas mentais dinâmicos e interativos por meio de um diálogo entre múltiplos agentes, garantindo que nenhuma necessidade de informação que o usuário possa ter deixado passar despercebida seja ignorada.
O usuário precisa apenas inserir palavras-chave em inglês, e o sistema gerará um artigo longo e de alta qualidade integrando informações de várias fontes, semelhante a um artigo da Wikipédia. Ao experimentar o sistema STORM, o usuário pode escolher livremente entre os modos STORM e Co-STORM. Dado um tema, o STORM consegue criar um artigo longo e estruturado de alta qualidade em 3 minutos.
Além disso, o usuário pode clicar em "See BrainSTORMing Process" para visualizar o processo de brainstorming dos diferentes papéis do LLM. Na seção "Descobrir", o usuário pode consultar artigos e exemplos de bate-papo gerados por outros estudiosos. Os artigos e registros de bate-papo gerados pessoalmente também podem ser encontrados na barra lateral "Minha Biblioteca".
O processo de escrita automatizada do sistema STORM é dividido em três etapas principais: geração de perguntas multiperspectivas, geração e aprimoramento de tópicos e geração de texto completo. O sistema consulta artigos relevantes da Wikipédia para determinar as várias perspectivas que abrangem o tema. Em seguida, simula um diálogo entre um redator da Wikipédia e um especialista baseado em fontes online confiáveis. Com base no conhecimento inerente do LLM, o conteúdo do diálogo coletado de diferentes perspectivas é cuidadosamente organizado para criar um tópico de escrita.
Embora o STORM tenha descoberto diferentes perspectivas ao pesquisar um determinado tema, as informações coletadas podem ainda ser tendenciosas para as principais fontes da internet e podem conter conteúdo promocional. Outra limitação da pesquisa é que, embora os pesquisadores se concentrassem em gerar artigos semelhantes à Wikipédia do zero, eles também consideraram apenas a geração de texto de organização livre. Artigos de alta qualidade da Wikipédia escritos por humanos geralmente contêm dados estruturados e informações multimodais.
O Co-STORM visa melhorar a omissão de informações na coleta e integração de informações para promover significativamente a eficiência do aprendizado. Por meio de diálogo colaborativo de múltiplos agentes, mapas mentais dinâmicos e um módulo de geração de relatórios, ele ajuda os usuários a entender e participar da organização de informações. Os pesquisadores realizaram uma avaliação humana com 20 voluntários, comparando o desempenho do Co-STORM com os mecanismos de busca tradicionais e o RAG Chatbot. Os resultados mostraram que o Co-STORM melhorou significativamente a profundidade e a amplitude das informações, com 70% dos usuários preferindo o Co-STORM e considerando que ele reduziu significativamente a carga cognitiva.
Atualmente, o sistema STORM&Co-STORM só suporta interação em inglês, mas no futuro poderá ser expandido para suporte multilíngue. A disponibilização em código aberto deste sistema marca uma era extraordinária em que a forma de obter informações pode ser totalmente personalizada de acordo com o nível individual, tornando possível aprender qualquer coisa.
Endereço do artigo: https://www.arxiv.org/pdf/2408.15232