admin管理员组

文章数量:1643158

Lumina介绍

Lumina是一款完全免费的AI学术搜索引擎,借助强大的数据库和高效的匹配速度。利用超过 15 种模型从超过 100 万篇期刊文章中找出最相关的来源,从而构建答案。搜索结果相关性平均比谷歌学术高出5倍,支持超1亿研究对象搜索,目前该网页提供完全免费的服务。通过搜索筛选功能,可以一键筛选PDF文件。以及其他多维度过滤选项。

除了强大的文章搜索匹配能力,Lumina还具备AI概述功能,能够帮助用户快速获取研究论文的摘要和关键信息。

体验网址

  • 官网:lumina.sh

主要功能

  1. 快速响应:Lumina能够迅速对用户的关键词输入做出反应,提供高度相关的文献搜索结果,极大提升了研究效率。
  2. 一键PDF访问:用户可以轻松筛选并直接访问PDF格式的学术论文,使得获取研究资料变得更加便捷。
  3. 多维度筛选:Lumina允许用户根据年份、引用次数、出版类型和具体期刊等多种条件进行细致的搜索结果筛选,以满足不同研究需求。
  4. 高级搜索功能:考虑到其专业性,该搜索引擎可能还提供了高级搜索选项,如关键词过滤、时间范围选择、引用次数排序等,以满足不同研究者的需求。
  5. 高相关性评级:相较于其他学术搜索引擎,如Google Scholar和Semantic Scholar,Lumina在搜索结果的相关性评级上具有明显优势。
  6. AI概述生成:Lumina的AI概述功能可以基于搜索结果生成论文摘要,帮助用户快速把握论文的核心内容,节省研究时间。
  7. 基准库:网站提供了一个基准库供用户查看,这可能包含搜索引擎性能的测试结果、比较数据或其他相关信息,帮助用户理解其搜索能力。

基准库测试

为了测试Lumina的性能,研究团队开源了一个基准测试。

  • Github:https://github/lumina-ai-inc/benchmark

此存储库提供了一个全面的基准,旨在评估各种搜索引擎的性能。

重点关注两个关键指标:上下文相关性和上下文精度。通过使用大型语言模型 (LLM) 作为评估器,评估每个搜索结果的上下文相关性和上下文精度,针对每个搜索提供商返回的前 10 个搜索结果。目标是尽可能公平地进行评估。评估每个提供商返回的搜索结果并使用零样本(无递归或 LLM 改进)作为默认方法。

最近的结果是对 Lumina Base、Lumina Recursive、Semantic Scholar 和 Google Scholar 进行比较。

结论: Lumina 始终为每个查询提供 2-3 个高度相关的结果 - 其表现优于 Google Scholar 和 Semantic Scholar,后两者分别针对 50% 和 30% 的查询提供 1 个高度相关的结果。

关于数据库

OpenAlex 的核心是Lumina的数据集 — 作品目录。作品是指任何形式的学术成果。研究文章是一种作品,但还有其他作品,例如数据集、书籍和论文。Lumina跟踪这些作品 — 它们的标题(在许多情况下还有摘要和全文)、创作时间等。除此之外作品之间的联系,通过期刊、作者、机构隶属关系、引文、主题和资助者等寻找关联。世界上有数亿件作品,而且每天都有数万件作品被创作出来,因此拥有这些关系对于帮助Lumina理解大规模研究至关重要。

使用指南

关于Lumina的使用相对简单,直接在官网搜索入口,填写相关学术主题或关键词,可以对文章时间,引用及影响因子进行筛选,并对包含pdf的文章进行过滤,网站对前8篇相关文章进行AI 摘要概述。 并提供一些研究成果图表的汇总。

点击文章标题直接下载pdf

借助AI:https://legacy.lumina.sh/chat 可以和pdf文章进行对话,更好的阅读文章。

创始人团队

Lumina背后是一个仅有三人的开发团队,目前已获YC投资。
梅胡尔查达: Lumina 联合创始人兼首席执行官。拥有计量学背景,并获得了威斯康星大学麦迪逊分校的材料工程学士学位。研发经验主要围绕探索石墨烯应用的计算模拟和开发 LEAP6000XR 原子探针。

伊沙安·卡普尔: lumina 联合创始人 是加州大学洛杉矶分校 (UCLA) 统计学毕业生 (22)。在 Lumina,从事大语言模型工作。

阿基莱什·夏尔马: Lumina 联合创始人 是伊利诺伊大学香槟分校的机械工程师。有机器人技术和云解决方案架构师的经验。

其愿景: 利用人工智能增强整个科研过程。Lumina正在构建一些工具,以加快数据分析速度、模拟实验以生成数据、实现多模态性,甚至一键撰写完整的系统评价。目标是为科研创造一种类似 AGI 的体验

本文标签: 学术性能引擎Lumina超谷歌