Die Integration großer Sprachmodelle mit Wissensgraphen zum Zweck der wissenschaftlichen Papierüberprüfung

Die Verwendung von KI in der Peer-Review zielt darauf ab, Effizienz und Genauigkeit zu verbessern, aber kämpft mit Herausforderungen in semantischem Verständnis und Konsistenz. Die Balance zwischen Automatisierung und menschlicher Eingabe zur Erreichung einer Bewertungsqualität auf menschlichem Niveau bleibt herausfordernd, angesichts der Komplexität bei der Definition einer "guten" Bewertung und der Sammlung annotierter Daten. Obwohl KI-generierte Bewertungen möglicherweise mehr Aspekte eines Papiers abdecken, fehlen ihnen oft Konstruktivität und Faktualität im Vergleich zu menschlichen Bewertungen. Dieses Projekt zielt darauf ab, die Generierung faktischer Bewertungsaussagen zu verbessern, indem strukturelle Informationen aus Forschungsarbeiten integriert und Techniken wie Argumentmining verwendet werden, um die Argumentation und Beweise des Papiers für die Zusammenfassung zu extrahieren und zu analysie ren. Dieses Ziel wird durch die Integration von Wissensgraphen erreicht, wodurch externe Informationen eingebunden werden, um die Bewertung des Einflusses und des Beitrags eines Papiers zum Forschungsfeld zu verfeinern.