三人团队打造的学术搜索引擎，直接拿下SOTA！
号称搜索结果相关性平均比谷歌学术高5倍，能搜索超1亿个研究对象，还不依赖LLM。
更重要的是：免费，学生党狂喜！
先来看一波使用效果，输入搜索关键词，只需350毫秒，“啪”得一下高度相关文献就列出来了：
还能再一键筛选出可查看PDF的文件。
从年份、引用次数，到出版类型、具体期刊，都能设定一键过滤：
这个新搜索引擎名叫Lumina，据说目前已处理了超30万次查询，支持24种语言。
为了和谷歌学术等传统学术搜索引擎做比较，开发团队还专门搞了个基准测试，代码库也已开源放了出来，测试结果Lumina搜索结果的相关性拿下SOTA。
开发者发推文叫板谷歌：
我们三个人花几个月就做出来了，比谷歌的好。
AI 3D模拟引擎Ego联合创始人兼CTO、前Meta研究员看过后表示闭眼冲：
强烈推荐大家试一试。
还有不少学者表示好使：
如开头所述，为了测试Lumina的性能，研究团队开源了一个基准测试。
使用GPT-4作为“评判员”，重点比较了Lumina Base（基础搜索模式）、Lumina Recursive（递归搜索模式）、Semantic Scholar和谷歌学术搜索结果的相关性和精确度。
直接检测评估了每个搜索引擎的前10个搜索结果，对比如下：
在基础搜索模式下（Lumina Base），Lumina搜索结果的相关性比谷歌学术高4.8倍，比Semantic Scholar高8倍，评估基于生成的约2470个查询数据集。
Lumina在递归搜索模式下，搜索结果相关性进一步提升，比谷歌学术高6.8倍，比Semantic Scholar高11.3倍，同样基于2470个查询数据集。
此外，Lumina在每次检索中都能稳定提供2-3个高度相关结果，相比之下，谷歌学术只有50%的检索能提供1个高度相关的结果，Semantic Scholar则仅有30%的检索能达到这一标准。
换句话说，Lumina可以找到原本很难找到的研究成果。
团队还表示，使用Lumina API和一个简单的递归脚本，可以使相关性比谷歌学术高11倍，Lumina API即将发布。
除了基本的检索，Lumina还提供AI概述功能。
比如用“机器学习”关键词搜索，它就会引用检索出来的论文总结介绍机器学习：
AI概述下方还有对搜索论文研究成果图表的汇总：
Lumina背后是一个仅有三人的开发团队，已获YC投资。
联合创始人兼CEO Mehul Chadda，本科毕业于美国威斯康星大学麦迪逊分校材料工程专业，前高精度科学仪器公司CAMECA制造工程师，负责过原子探针研发工作。
联合创始人兼CTO Akhilesh Sharma，本科毕业于美国伊利诺伊大学香槟分校完成机械工程专业，之前是社交媒体平台Postpress的联合创始人和技术主管，也曾担任美国技术咨询公司Neudesic云技术相关顾问。
联合创始人Ishaan Kapoor，加州大学洛杉矶分校统计学毕业，对深度学习、线性代数和大语言模型感兴趣。
除了这次上新的学术搜索引擎，之前团队还做了一个AI论文解读工具——Lumina-chat。
打开后是这样婶儿的，可以上传PDF与AI交互进行论文解读：
感兴趣的童鞋可以试试～
版权所有，未经授权不得以任何形式转载及使用，违者必究。
