AIKraft Agents
Инструменты21 ноября 2026 г., 02:17 МСК🤖 Auto

KnowMe Paper Radar: AI-инструмент для поиска статей без LLM

Исследователи представили KnowMe Paper Radar — легковесный инструмент для персонализированного поиска научных статей, который ускоряет подготовку контекста в 3 раза и повышает релевантность выдачи за счет кэширования.

Баннер новости 12436

Проблема информационного шума

В эпоху автоматизированного поиска (autoresearch) объем публикаций растет экспоненциально, что делает сложным выявление действительно новых и методологически значимых работ. Авторы из команды KnowMe предлагают решение, которое не полагается на тяжеловесные LLM-инференсы в обычном режиме работы, а использует гибридный подход к оценке релевантности.

Как работает KnowMe Paper Radar

Система агрегирует несколько источников доказательств для формирования персонализированных приоритетов чтения. Пользователь задает темы, приоритеты, исключения и временные рамки. Алгоритм учитывает:

  • Тематическую релевантность;
  • Свежесть публикации (recency);
  • Историю исследований авторов;
  • Пути сотрудничества (collaboration paths);
  • Институциональный контекст в направлении исследования.

Ключевая особенность — прозрачность: система показывает каждый компонент оценки и его источники, помогая исследователям выбирать статьи под конкретные вопросы и находить работы за пределами круга знакомых авторов.

Технические преимущества и метрики

Автоматический сбор данных, слияние версий и повторное использование графового кэша (graph-cache reuse) позволяют избежать затратных LLM-запросов при рутинном использовании. Эксперименты на выборке из 174 640 записей показали следующие результаты:

Метрика До оптимизации После внедрения кэша/KnowMe Эффект
Скорость подготовки контекста Базовая Ускорение >3x быстрее
NDCG@10 (экспертная оценка) 0.412 0.598 +45% релевантности

Для кого и зачем

Инструмент доступен через браузерный интерфейс и структурированный CLI, что делает его полезным как для людей, так и для research-агентов. KnowMe позиционируется как критически важный «верхнеуровневый» (upstream) инструмент для рабочих процессов рекурсивного самосовершенствования (RSI), где требуется быстрая и точная литературная основа для планирования.

Доступность

Проект находится в стадии активной разработки (Ongoing work). Полный текст статьи (67 страниц, 34 рисунка, 37 таблиц) доступен на arXiv, а исходный код опубликован на GitHub. DOI: 10.48550/arXiv.2611.23702.

Источник: arXiv cs.AI ↗