Des chercheurs proposent 'Prompt-to-Paper', un système d'IA pour rédiger des articles de recherche, axé sur l'exactitude et la vérifiabilité
Des chercheurs dévoilent le concept d'un nouveau système d'IA, 'Prompt-to-Paper', pour résoudre les problèmes majeurs des systèmes d'IA actuels d'aide à la rédaction de recherches, qui citent souvent des informations peu fiables et fabriquent des résultats expérimentaux.
Le secteur de l'IA franchit une nouvelle étape avec l'utilisation des grands modèles de langage (Large Language Models) pour la rédaction de brouillons d'articles de recherche scientifique. Cependant, une équipe de recherche a récemment souligné des problèmes majeurs dans les articles universitaires publiés sur arXiv. Les chercheurs identifient trois lacunes majeures dans les systèmes d'IA actuels : 1) Les citations ne proviennent pas de sources réellement vérifiables ; 2) Les résultats expérimentaux sont souvent fabriqués plutôt que d'être issus d'expériences réelles ; et 3) Il manque un cadre d'évaluation standard pour mesurer la qualité des recherches générées par l'IA. Pour y remédier, l'équipe a proposé 'Prompt-to-Paper', un cadre multi-agents basé sur l'IA. Son innovation clé est un processus de génération de contenu systématique s'appuyant sur des données réelles (deterministic retrieval-augmented generation), garantissant que chaque référence dans la recherche peut être retracée à sa source originale. Initialement, ce système est conçu pour le domaine de la bioinformatique.
Cet effort est crucial pour la crédibilité du monde universitaire, car il contribue à empêcher la propagation de données de recherche inexactes et pourrait aboutir à des outils d'IA que les chercheurs et étudiants thaïlandais pourront utiliser avec plus de confiance à l'avenir.