type
status
date
slug
summary
tags
category
icon
password
platform
用 Kimi.ai 辅助学习 AI 论文
在 中,我提到一个观点:AI 的知识现在非常新,变化非常快,很多都无法从书籍中获取。反而是学术界和商业界两开花,高质量的文章和学术论文是非常好的学习材料。
作为一名 AI 产品经理,在日常的工作中,就经常会将在学术论文中学习到的知识应用到工作中。
AI 相关的论文,大部分是英文的。
而我本身不具备英语阅读的能力。因为学术论文的阅读能力也比较差。过去直接阅读一篇论文,我一般是利用 google 翻译或者其他翻译引擎,将论文翻译成中英两份,直接阅读论文。但因为在 AI 学术领域的了解并不充足,在阅读论文时,存在语言和理解的双重障碍,阅读起来比较慢。
![notion image](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F01ee3c5a-d1d2-4b07-bde7-d3bc6ffe39ab%2F8ba8b2d2-c7d9-481a-a139-6b539240c4d0%2FUntitled.png?table=block&id=ced78624-eea5-4920-9f40-e6e77e46ed12&t=ced78624-eea5-4920-9f40-e6e77e46ed12&width=562&cache=v2)
但点在,好在有了 AI,可以通过 AI 来辅助我阅读论文。
AI 作为 Copilot,可以大大提高学习的效率。对具有主动学习能力的人,是非常大的增强。
下面我就讲讲,我是怎么通过 Kimi.ai 来阅读论文,学习 AI 的。
Kimi.ai 阅读论文的方法论
在 arxiv 这个网站是,有非常多的 AI 的论文。
以我最近在学习的 RAG(检索增强生成 Retrieval-Augmented Generation) 为例,在 AI 应用层的软件中,最近很多应用都基于 RAG 来搭建。例如【上篇文章】提到的 AI 搜索,本质上也是使用了 RAG 搜索技术。
所以在工作中,最近我也在学习 RAG 相关的技术。就阅读了 RAG 相关的学术论文。
01 快速阅读论文概要
学习 RAG ,首先我找到的是这篇《Retrieval-Augmented Generation for Large Language Models: A Survey(大型语言模型的检索增强生成:一项综述)》
学者们对当前学术领域的 RAG 知识作了综述。这对于我这样学习的人来说,是一个非常好的“地图”,可以了解 RAG 目前发展的最新情况,技术原理,发展的方向等。
将这个文档使用 prompt 发送给 Kimi,就会得到
![notion image](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F01ee3c5a-d1d2-4b07-bde7-d3bc6ffe39ab%2Fefc5c03e-f37f-4553-83be-1b7adae5803d%2FUntitled.png?table=block&id=8d461206-cdeb-4c70-af76-22cff87f54b3&t=8d461206-cdeb-4c70-af76-22cff87f54b3&width=2032&cache=v2)
通过大纲,可以快速阅读论文的内容。例如通过 Kimi总结的大纲,就可以知道文章的结构。
首先我阅读了 RAG 技术概述部分,了解 RAG 的发展现状,从大纲中也可以看出这篇论文将 RAG 分成了基础 RAG,高级 RAG 和 模块化 RAG 三个阶段。
于是我接着让 Kimi 介绍每个阶段的 RAG,让我可以快速了解每一个阶段的区别。
![notion image](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F01ee3c5a-d1d2-4b07-bde7-d3bc6ffe39ab%2Fce8050a9-a540-4b54-9a68-fd8471d5e584%2FUntitled.png?table=block&id=bd02f769-7a96-468b-8f94-66a38d38c7ae&t=bd02f769-7a96-468b-8f94-66a38d38c7ae&width=2040&cache=v2)
文章的主体部分,也将 RAG 的主要内容分成“检索-生成-增强-下游任务”几个部分来叙述。这样我就可以找到自己想要重点学习的部分来阅读。
最终,将笔记沉淀到了 Notion 中
![notion image](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F01ee3c5a-d1d2-4b07-bde7-d3bc6ffe39ab%2Fe02d0f2a-c8e5-4fe9-ae49-5dfb35abfb97%2FUntitled.png?table=block&id=9b94ae5d-5d1d-4873-81ae-748a0f28694f&t=9b94ae5d-5d1d-4873-81ae-748a0f28694f&width=2026&cache=v2)
02 和论文对话
在阅读论文的过程中,如果遇到难以理解的部分,可以直接问 Kimi
比如我在阅读《ReAct: Synergizing Reasoning and Acting in Language Models(ReAct:在语言模型中协同推理与行动)》这篇论文时,文章提出了一种将大语言模型的推理和执行分开的方法——「\model 方法」。
但是在阅读这篇文章时,因为文章中的试验和代码部分我不能很好地理解。不知道作者提出的方法,于是我直接询问 Kimi 「详细地介绍作者提出的 \model 方法」
Kimi 就会回答我:
![notion image](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F01ee3c5a-d1d2-4b07-bde7-d3bc6ffe39ab%2F8563e304-7377-4bf6-badf-a3b07cedb375%2FUntitled.png?table=block&id=0786d699-9b9a-416a-9606-64b3e3ce4140&t=0786d699-9b9a-416a-9606-64b3e3ce4140&width=2040&cache=v2)
但是在阅读了介绍以后,我还是不知道应该如何使用 \model 方法吗,于是我再接着询问 Kimi 「具体在写 prompt 的时候,怎么使用 \model 方法?」
![notion image](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F01ee3c5a-d1d2-4b07-bde7-d3bc6ffe39ab%2Fbbb9981e-7e93-43f6-a950-714493cf72ed%2FUntitled.png?table=block&id=e9c4b604-ca12-4abb-b7fb-f8036ed03915&t=e9c4b604-ca12-4abb-b7fb-f8036ed03915&width=2040&cache=v2)
这样我就可以知道这个方法的使用方法。如果需要使用 LLM 来处理复杂任务时,就可以运用起来。
另一个案例,在阅读《SWAG: Storytelling With Action Guidance(SWAG:讲故事与行动指导)》这篇论文时,论文写的是通过一个方法,让 LLM 更好地完成长文写作工作。
SWAG 方法通过两个模型的反馈循环简化故事写作为搜索问题,其中一个LLM生成故事内容,另一个辅助LLM选择下一个最佳“行动”以引导故事发展。
但因为文章中使用了太多的伪代码,读起来很复杂,于是我就让 Kimi 用人话,将这个过程解释了一遍。
效果显著:
![notion image](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F01ee3c5a-d1d2-4b07-bde7-d3bc6ffe39ab%2F3303e953-7830-4cb8-b54e-199fb2104aa5%2FUntitled.png?table=block&id=15adffc9-9de6-4437-aafb-a571e11f61b0&t=15adffc9-9de6-4437-aafb-a571e11f61b0&width=2048&cache=v2)
03 使用学术搜索,搜索相关论文
最近 Kimi 新上线了 Kimi+ 功能,提供了多个用户常用的智能应用。
给 Kimi 增加了实时搜索,学术搜索,200 万超长文本等功能。
「学术搜索」这个功能会将常见的论文网站的内容搜索出来,作为参考,让大语言模型给你生成回答。
例如前段时间,我在研究“文本分割”这个主题,我就可以让 Kimi+ 学术搜索来给我推荐论文。
如下图,Kimi 找到了 10 篇相关的论文,并且共处了论文的摘要,这样我就可以挑选我感兴趣的论文,进行进一步阅读。
![notion image](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F01ee3c5a-d1d2-4b07-bde7-d3bc6ffe39ab%2Fbc24e69f-d9c8-4c78-bcb8-a6145ffc7702%2FUntitled.png?table=block&id=e434b771-9792-4f30-acf2-9481f11db63a&t=e434b771-9792-4f30-acf2-9481f11db63a&width=2040&cache=v2)
04 介绍实验过程
这个场景其实我用的比较少。因为我在阅读论文时并不是为了写学术论文,更多的是学习知识。
但如若你是一位科研人员,那么你在阅读论文时,除了了解论文内容外,可能还要了解论文的实验过程,可以作为自己论文写作的有效参考。
这时你也可以直接询问 Kimi,论文的实验是如何设计的:
![notion image](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F01ee3c5a-d1d2-4b07-bde7-d3bc6ffe39ab%2Fd948ee07-a40c-4b86-9482-c96fd85b2a65%2FUntitled.png?table=block&id=0d4519b1-7127-4cba-95f7-765ae92e6f16&t=0d4519b1-7127-4cba-95f7-765ae92e6f16&width=2040&cache=v2)
更有甚者,你还可以同时上传多篇针对某一主题的论文,让 Kimi 总结他们的研究方法的异同。
Kimi.ai 的其他使用技巧
Kimi.ai 出自 Moonshot 月之暗面公司之手,Moonshot 也是国内的大模型厂商的之一。
Kimi 的大语言模型也是国内最早支持20万字上下文,200万字内测中。功能很强大。第一次使用到 Kimi 时,我就发现了这个大模型对长文本和文章阅读的场景非常友好。
深入了解以后,才发现 Moonshot 这家公司的背景,CEO 杨植麟本身就是清华科班出身,技术力量很雄厚, 也难怪 Moonshot 可以做出这么好用的模型。现在对 Moonshot 这家公司充满敬佩。
除了模型足够强大外让我比较意外的是,Kimi.ai 在用户体验上也做得很好。
Kimi.ai 是唯一一个同时拥有手机App,web 端,H5 端,小程序端,多端同步的AI 产品。
![notion image](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F01ee3c5a-d1d2-4b07-bde7-d3bc6ffe39ab%2F7bccfc2b-6482-4faa-9781-47556fd56f44%2F%25E5%25A4%259A%25E7%25AB%25AF.png?table=block&id=77ce764b-b594-46c4-8c2b-4977c999d35a&t=77ce764b-b594-46c4-8c2b-4977c999d35a&width=562&cache=v2)
这意味着随时随地使用 Kimi.ai
例如,点击下方的小程序链接,就可以马上体验 Kimi。
使用小程序时,你还可以直接将微信中收到的文件直接分享给 Kimi 小程序,让他帮你阅读和处理。
![notion image](https://www.notion.so/image/https%3A%2F%2Fprod-files-secure.s3.us-west-2.amazonaws.com%2F01ee3c5a-d1d2-4b07-bde7-d3bc6ffe39ab%2F2a6b72ad-a9ac-4679-8cfb-3e5aab7803ff%2FUntitled.png?table=block&id=4472c409-048e-4654-8e23-49ef592743e2&t=4472c409-048e-4654-8e23-49ef592743e2&width=2481&cache=v2)
结语
之前在《基于 Kimichat 的渐进式阅读法》这篇文章中,分享了我使用 Kimi.ai 来阅读文章的方法,前几天还有读者在问到 Kimi 这款 AI 工具。
所以今天再写了一篇我用 Kimi 来阅读论文的方法。希望对你有帮助
Kimi.ai 确实是非常良心的大模型应用,趁着还是免费使用,赶紧上车吧。