什么是 Engineering Village AI？

Engineering Village AI（人工智能）利用语义搜索技术，使计算机能够理解用户查询背后的意图和上下文。Engineering Village AI 运用这项技术来分析查询，以在搜索索引中找到相关文献。找到的这些文献（自 2003 年起发布在 Compendex 中）被用于通过生成式 AI 技术生成摘要和其他特征。为保持透明化，Engineering Village AI 遵循特定指南，确保摘要基于即准确又相关的 Compendex 内容并且包含参考文献。

Engineering Village AI 是使用 Elsevier 和其他来源的技术开发的。它利用内外部大型语言模型 (LLM)，例如 OpenAI 的生成式预训练变换器 (GPT)。Engineering Village AI 以私密且安全的方式使用 OpenAI GPT，因为在训练此 LLM 时，没有进行数据交换或使用 Compendex 数据。

1. 在 EV AI 文本框中输入一个自然语言查询、词或短语，然后点击“Search（搜索）”。
2. 系统使用自然语言处理 (NLP) 技术，从该文本中提取相关信息来处理您的查询。
3. 再对处理后的查询进行分析，以了解用户的意图、上下文和信息需求。这可能会涉及确定文本中的关键词和关系。
4. 您的查询被映射到高维向量表示（也称嵌入），这种向量表示对查询的语义进行编码。
5. 系统根据您的查询，从向量搜索索引中找到相关性最高的文献。余弦相似度用于计算查询向量和索引中文献的向量之间的相似度。
6. 系统检索与查询向量的相似度得分最高的文献。
7. 文献（也称为搜索结果）的排序依据为其与查询向量的相似度分数，相似度最高的项目被评定为与查询的相关性最高。结果的排序方式为先显示最相关的信息。
8. 系统将您的查询、文献数据集和特定说明转发到大型语言模型 (LLM)。
9. 请求 LLM 生成四个类似的查询。
10. 系统使用四个 LLM 生成的查询和您的用户查询（共五个查询）来获取相关文献。

    • 此过程为每个查询获取 20 篇文献，总共获得 100 篇文献。
11. 系统对于从这些查询中生成的 100 篇文献重新排序，并选取前 20 篇。
12. 再将这前 20 篇文献传递给 LLM。
13. LLM 处理这些信息以生成响应，例如摘要或后续问题。
14. 原始查询的搜索结果显示为展开的摘要。此摘要的相应参考文献也可通过脚注或摘要下方的“View all references（查看所有参考文献）”按钮访问。
15. 如需进一步研究您感兴趣的主题，可点击向您提供的任何后续问题。这些问题位于“Go deeper（了解更多）”标签下。

在自然语言处理中，向量可以表示各种数据点（例如词和短语）。向量在高维空间中捕获这些数据点的数值表示。通过测量空间中数据点的相应向量之间的距离或相似度来确定数据点之间的相似度。目的在于检索与特定查询向量最相似的数据点。Engineering Village AI 使用语言模型，基于语言向量空间为查询中的词分配一个数值。将这些数字与分配给 2003 年以来发布的 Compendex 文献的向量做比较，然后选择其中匹配度最高的。这些文献用于生成摘要、参考文献和相应的后续问题。

Engineering Village AI 严格遵守 GDPR（全称《通用数据保护条例》），以确保用户隐私并将数据保留限制在必要的范围内。个人用户信息和聊天历史记录不会存储在 Engineering Village 系统中，除非出于改进产品的目的按相关规定操作。Engineering Village 致力于遵循 RELX 负责任的人工智能原则，其中包括促进问责制，加强信息管理和消除偏见。

虽然 Engineering Village AI 依赖可靠的 Compendex 数据内容，但仍有可能会得到不准确、失真或令人不快的结果。Engineering Village AI 不提供工程设计、医疗、财务、法律或安全方面的建议。在将其结果纳入学位论文或研究论文等正式文件之前，应保持谨慎。避免输入个人、机密或敏感信息，以保护研究的隐私和完整性。

在使用 AI 生成的内容时，务必对其进行独立研究。此外，Engineering Village 建议您在整合 AI 生成的内容之前，先查看您工作场所或机构制定的指南。

请参阅“How do I use the Engineering Village AI feature?（如何使用 Engineering Village AI 功能？）”，了解关于使用此搜索功能的提示和最佳做法。