什么是 Scopus AI？
上次更新时间 2026年5月25日
Scopus AI 是一种人工智能驱动的科研工具，通过使用 Scopus 同行评审研究资源库，来帮助用户更好地理解和处理不熟悉的学术内容。Scopus AI 是基于 Scopus 文摘和参考文献来生成概要，从而帮助您解读复杂内容、促进更深入的探索，并提供学术见解。Scopus AI 仅作为补充订阅提供。
Scopus AI 使用高级句子级别转换器处理查询，然后在我们的向量搜索索引中找到相关文献（自 2003 年以来在 Scopus 上出版的文献），以确定最相关的文献。它会对已识别的文献进行处理，以便生成概要和其他生成式 AI 功能。Scopus 大型语言模型 (LLM) 使用 prompt engineering （提示工程技术）来确保概要是源自于 Scopus 内容，并包含参考文献，以此来保持透明度。
Scopus AI 采用 Elsevier 和第三方提供商的技术组合构建而成。我们使用自己的 LLM 技术以及其他的 LLM 技术，包括 OpenAI 为其 ChatGPT 工具开发的 GPT（生成式预训练变换器）。我们对 OpenAI GPT 的使用是私密的，因此不存在数据交换，也不会使用我们的数据来训练 ChatGPT。
Prompt Engineering（提示工程技术）为大型语言模型提供了严格的指示说明，指示它们应该使用哪些内容来生成对查询的响应，以及如何构建和呈现该响应。
Scopus AI 使用向量搜索引擎。它由微调的微型语言模型提供支持，这些模型可以查看查询中的单词和句子，并根据语言向量空间为它们分配数值。这些模型将这些数值与2003 年以来发表的 Scopus 文献摘要所对应的向量进行比对，并筛选出匹配度最高的摘要。然后这些摘要将用于生成 Scopus AI 响应中的摘要及其他功能内容。
RAG Fusion 利用 LLM 的智能功能来扩展原始查询，以更深入地探索新的视角。将这些附加查询的结果组合在一起，大大改进了 Scopus AI 响应并提供更多详细信息。
Scopus AI 托管在 Microsoft Azure 上。该工具的前端由 JavaScript 和 CSS 混合构建而成，而后端则使用 Python、Java、Elasticsearch 和 Langchain。为了生成基础论文列表，我们使用了知识图技术。
在 Scopus AI 中输入查询时，向量搜索引擎使用余弦相似度计算来查找自 2003 年以来发表的最相关文献摘要。然后，它将这些文献摘要传递给大型语言模型，以判断摘要是否可用于编写对查询的响应。查询的独特性决定了 Scopus AI 在其响应中提供的详细程度。Prompt Engineering（提示工程技术）指导大型语言模型，它使用相关性、新近性和受引次数等因素来确定 Scopus AI 所生成摘要中包含哪些（以及多少个）向量搜索识别的来源，以及这些来源的优先级。初始摘要最多可引用 10 篇论文，而扩展摘要最多可引用 20 篇论文。这种方法可确保 Scopus AI 给出的响应基于 Scopus 内容。
在 Scopus AI 中运行查询时，向量搜索引擎会计算哪些 Scopus 摘要包含与您的查询最相似的内容。此计算称为余弦相似度，用于查找最相关的摘要。如果查询存在强烈偏见，那么您收到的回复可能会反映出偏见，但我们已采取措施来降低这种风险，因为此类查询会加剧对不同性别、种族、年龄和地理、社会经济、文化或宗教背景的偏见、伤害或刻板印象。
Prompt Engineering（提示工程技术）指导大型语言模型，它使用相关性、新近性和受引次数等因素来确定 Scopus AI 所生成摘要中包含哪些（以及多少个）向量搜索识别的摘要，以及这些摘要的优先级。初始摘要最多可引用 10 篇论文，而扩展摘要最多可引用 20 篇论文。我们的 Prompt Engineering（提示工程技术）基于三个关键原则：
- 透明度：我们要求 Scopus AI 将其所有声明都建立在精心策划的 Scopus 数据库之上，并为它所说的一切提供参考。
- 质量：Scopus AI 使用我们的质量框架进行定期评估，以确保产出符合我们对质量、相关性和一致性的严格标准。
- 可靠性：Scopus AI 背后的提示有助于减少实际不准确或不可靠的产出。
Scopus AI 旨在根据学术文献中的共识提供响应，因此，如果学术文献中存在认知偏见，则可能存在一定风险影响 Scopus AI 生成的一般摘要。但是，像扩展摘要这样的功能使用一种称为 RAG Fusion 的复杂技术，可以通过从不同的角度探索查询来帮助减少这种情况。
随机用户测试是我们收集用户反馈的众多方式之一。我们会随机选择一些用户使用 Scopus AI，这为 Scopus 提供了进行用户测试和反馈的机会。用户不能请求加入用户测试，因为随机化是有助于确保统计有效性的基本原则。
Scopus AI 仅作为补充订阅提供。有关 Scopus AI 订阅的信息，请与贵组织的管理员联系。
虽然 Scopus AI 努力将其摘要和生成式人工智能特征建立在可信的 Scopus 内容上，但偶尔可能会出现偏差。Scopus AI 可能会生成不正确的、有误导性的、带有偏见的甚至有攻击性的结果。Scopus AI 并不旨在提供法律、财务或医疗方面的建议。用户，不应该仅依赖于 Scopus AI 的输出，而不进行独立的研究。如果您想在您的工作中使用 Scopus AI 生成的内容，请参考您所在机构或工作场所的指导方针。请勿在 Scopus AI 中输入个人信息、机密信息或敏感信息。
请注意，Scopus AI 仅作为补充订阅提供。有关 Scopus AI 订阅的信息，请与贵机构的管理员联系。
- 从 Scopus 主页中，选择“Scopus AI”选项卡。
- 在字段中输入您的查询。
- 按“Enter”或者点击搜索图标。
从“Summary（摘要）”页面，您可以：
运行查询时，Scopus AI 会综合相关文献的摘要以生成主题摘要。从摘要中，您可以查看和导出参考文献、基础文献和其他相关文献。
- 从摘要中，选择一个带编号的引文，以打开一个侧面板，其中显示引用的文献。
- 从侧面板中，选择 Open document details（打开文献详细信息）可打开一个包含参考文献详细信息的新选项卡。
- 选择“Export reference（导出参考文献）”可将参考的文献导出到文件、其他平台或参考文献管理工具（如 Mendeley 或 RefWorks）。
- 选择“Show all references（显示所有参考文献）”，即可在侧面板中显示所有参考文献。
- 从侧面板中选择“Show abstract（显示摘要）”可查看摘要。
- 选择“Export all references（导出所有参考文献）”可将参考的文献导出到文件、其他平台或参考文献管理工具（如 Mendeley 或 RefWorks）。
- 从“Foundational documents（基础文献）”中，选择“Show more documents（显示更多文献）”，即可查看所有基础文献或其他相关文献。
- 选择“Foundational documents（基础文献）”选项卡或“Related documents（相关文献）”选项卡。
- 从侧面板中选择“Show abstract（显示摘要）”可查看摘要。
- 选择“Export all documents（导出所有文献）”可将参考的文献导出到文件、其他平台或参考文献管理工具（如 Mendeley 或 RefWorks）。
Expanded summary（扩展摘要）提供了对查询的更深入见解。
- 选择“Show all references（显示所有参考文献）”，即可在侧面板中显示所有参考文献。
- 从侧面板中选择“Show abstract（显示摘要）”可查看摘要。
- 选择“Export all references（导出所有参考文献）”可将参考的文献导出到文件、其他平台或参考文献管理工具（如 Mendeley 或 RefWorks）。
选择“Concept map（概念图）”可显示搜索结果的视觉图，提供全面的视觉解释，进而简化复杂关系的浏览方式。
选择“Topic experts（主题专家）”可查看与查询相关的三位最著名研究人员的列表。从主题专家中选择“Preview profile（预览个人资料）”，即可打开一个侧面板，其中包含专家的作者个人资料预览。
选择“Emerging themes（新兴主题）”，即可探索与查询相关的新研究方向，这些研究方向基于过去 24 个月的相关摘要。新兴主题分为以下三类：
- 一贯主题 - 过去两年发表率稳定的研究领域，反映了持续的兴趣和正在进行的研究活动。
- 上升主题 - 学术影响力不断增强的研究领域，表明重要的新兴发展。
- 新颖主题 - 最近感兴趣且不断发展的研究领域，代表潜在的新研究方向。
对于每个主题，选择“Show references（显示参考文献）”，即可在侧面板中查看主题分类信息和参考。
- 从侧面板中选择“Show abstract（显示摘要）”可查看摘要。
- 选择“Export all references（导出所有参考文献）”可将参考的文献导出到文件、其他平台或参考文献管理工具（如 Mendeley 或 RefWorks）。
对于每个主题，选择一个潜在假设以生成该假设的新摘要。
选择任一“Go deeper（了解更多）”链接打开一个新的摘要，以获取进一步的见解并浏览相关查询。
Scopus AI 严格遵守 GDPR（《通用数据保护条例》） 法规，以确保用户隐私，并避免不必要的数据留存。除非是为了提升产品的品质，否则我们的系统不会保留任何个人用户信息或聊天历史记录。我们坚持 RELX 负责任的人工智能原则，旨在消除偏见与不公平，确保问责制，并支持稳健的数据治理流程。
随机用户测试是我们收集用户反馈的众多方式之一。我们会随机选择一些用户来访问 Scopus AI，从而为 Scopus 提供了用户测试和反馈的机会。用户不能请求加入用户测试，因为随机化是有助于确保统计有效性的基本原则。
测试中的当前功能
- AI 查询生成器 [Beta （测试）版 - 2025 年 1 月发布]：允许用户输入自然语言查询或问题，并将其转换为关键词布尔搜索字符串。
- 在主页文献基本搜索上启用 AI Query Builder（AI 查询生成器）开关
- 这将打开一个自由文本框，您可以在其中输入查询或问题并“生成查询”
- 然后，AI 帮助程序将问题分解为概念（与 AND 组合）和关键词（与 OR 组合），以构建布尔查询
- 如果需要，可以在运行文献“Search（检索）”之前手动编辑查询
- 搜索结果由 AI 生成，并且可重现
- Quick Search（快速检索） [Beta（测试） 版 - 2025 年 1 月发布]：允许用户使用自然语言查询或问题进行搜索，并检索前 500 条结果
- 快速搜索使用带有 LLM 嵌入的语义矢量搜索来检索最相关的结果
- 如果启用了个性化开关，并且用户拥有已认领的作者个人资料，则将根据作者的出版物历史记录，按相关性推荐结果。
- 目前，快速搜索在 500 条结果范围内支持以下筛选条件：
Document type（文献类型）、Subject area（主题领域）、language（语言）、Publication Year（出版年份）、Open Access（开放获取）
您的问题是否得到了解答？
相关解答
最近查看过的答案
由于您的 Cookie 偏好设置，该功能已禁用