OpenScholar

它会给你什么

• 三个模型的训练来源登记，说明各自用了什么数据和训练方法。
• 供后续环节引用的模型能力边界说明。

你需要准备

• 用于训练检索模型的论文语料数据。
• 用于训练重排模型的排序训练数据。
• 用于训练生成模型的指令数据，官方称约一万三千条。

由你把关

• 训练数据和模型权重的许可证、是否含非商业条款，由你核对。
• 官方最终训练所用配置是否和仓库示例一致，由你核对。
• 训练产物能否在你的工作流中使用，由你决定。

它会给你什么

• 结果文件，记录每个问题的答案。
• 每个问题的初稿、重排结果、所用引用、调用成本和耗时。

你需要准备

• 一个研究问题或问题清单，存在文件或数据集里。
• 候选论文列表，每条含标题和正文，可附摘要和引用次数。
• 模型配置：用哪个模型、调用哪家服务、密钥位置等。

由你把关

• 引用是否真正支持答案，需要人工或用引用核查工具复核，由你核对。
• 相关性分数和引用次数怎么混合加权，要按任务调校，由你决定。
• 模型输出格式是否稳定，先用小样本确认，由你核对。

它会给你什么

• 一套本地检索库，包括索引和论文片段对照表，可被后续问答环节或网页服务直接加载。
• 按问题批量检索出的相关论文片段。

你需要准备

• 论文语料的数据目录。
• 一份配置文件，写明数据路径、分片方式和索引参数。
• 模型配置：检索编码器、分词器等设置。

由你把关

• 数据许可、下载范围和本地存储成本，由你核对。
• 检索结果只是候选，不能直接当作支持证据，由你核对。
• 分片和索引的路径命名能否被下游稳定读取，由你核对。

它会给你什么

• 补好引用编号的答案。
• 本次归因调用的成本记录。

你需要准备

• 已生成的答案。
• 答案所依据的论文片段。
• 用来做归因判断的模型。

由你把关

• 插入的引用是否真正支持该陈述，需要人工或独立工具复核，由你核对。
• 一段话包含多个主张时，单个引用未必覆盖全部，由你核对。
• 高风险科研结论不能只凭事后补引用通过质量检查，由你核对。

它会给你什么

• 改写后的答案。
• 反馈记录和每轮改写稿。
• 补充检索后的候选论文列表。

你需要准备

• 已生成的初稿答案。
• 初稿所用的论文片段。
• 可选：开启反馈审查和在线补充检索的开关。

由你把关

• 反馈是否真的指出了事实或覆盖缺口，需要人工或独立标准复核，由你核对。
• 新增论文是否支持改写内容，需要读原文或做引用核查，由你核对。
• 改写是否把原答案中正确的内容改错了，需要前后对比，由你核对。

它会给你什么

• 一份格式统一的候选论文清单。
• 外部候选和本地候选的合并文件。
• 供后续排序、生成和引用环节直接使用的上下文。

你需要准备

• 常见格式的检索结果文件。
• 文件里含原始问题、已有候选等字段。
• 相应的接口密钥，用于调用在线学术搜索。

由你把关

• 接口密钥的费用、限流和数据使用条款，由你核对。
• 候选论文是否真能支撑回答，候选不能直接当证据，由你核对。
• 跨来源去重规则是否可靠，尤其是同名论文和不同版本，由你核对。