## 概述
告别无休止的AI趋势浏览。认识Archi，您的个人AI研究助手，每周为您提供所有需要了解的信息。🧑🏽🔬
这个工作流从arXiv抓取AI和机器学习文章摘要，使用LLM为它们丰富主题分类，并将它们嵌入到Weaviate向量存储中。然后，向量存储被用作代理RAG的工具，撰写每周AI研究的简明易读摘要。
最终输出是一个简短的每周电子邮件，发送到您选择的地址，总结关键的AI研究趋势和未来研究方向，并直接链接到本周最有趣和最有影响力的arXiv论文。
## 适用人群
这个工作流适用于无法跟上所有最新AI进展的任何人。不需要编程技能。
## 工作原理
这是一个连续的工作流，可以总结为两个主要部分：一个获取文章并将其嵌入Weaviate的数据管道，以及一个生成每周电子邮件摘要的代理工作流。
### 第1部分：每周自动获取新发表的文章
– 从arXiv的免费API获取文章摘要（和元数据）
– 预处理摘要数据
– 使用LLM为每篇文章丰富主要主题、次要主题和研究潜在影响估计
– 后处理数据
– 将数据和嵌入插入Weaviate
### 第2部分：使用AI代理和Weaviate生成每周摘要电子邮件
– 将Weaviate作为工具添加到AI代理节点
– 代理式查询Weaviate，生成本周最重要研究趋势的报告
– 后处理数据
– 通过电子邮件发送摘要
## 先决条件
– 现有的Weaviate集群。您可以查看使用Docker设置本地集群的说明，或查看Weaviate云集群的说明。
– 用于生成嵌入和驱动聊天模型的API密钥。我们使用OpenRouter和OpenAI模型的组合。请随意替换模型。
– 具有STMP权限的电子邮件地址。这是电子邮件将发送的地址。在这个演示中，我们使用个人Gmail地址。
– 自托管的n8n实例。
## 如何运行工作流
1. 完成先决条件，创建Weaviate集群（可以是本地或云），下载自托管的n8n，为您的电子邮件帐户创建STMP权限，并添加您的API密钥和其他凭据。
2. 选择您想要使用的嵌入和聊天模型。
3. 输入您想要发送电子邮件的发件人和收件人地址。
4. 开始运行。
## 工作流输出
这个工作流的输出是一封每周电子邮件，总结基于arXiv上发表的AI和ML论文的关键研究趋势和未来研究方向。
这是一个摘要电子邮件的示例：
嘿，
这是过去一周机器学习研究关键趋势的快速概述。
本周关键研究趋势
本周在检索增强系统、专业领域的基础模型以及平衡效率与性能的技术方面取得了显著进展。
高级RAG架构：研究人员正在开发超越简单文档检索的复杂RAG框架，AdaPCR引入了段落组合检索，UrbanMind提出了具有多级优化的城市智能框架。
表格数据的基础模型：Real-TabPFN显示，在真实世界数据集上的目标持续预训练可以显著提升表格数据基础模型的性能，优于在更广泛、可能更嘈杂的数据集上训练的模型。
效率优先技术：研究人员正在开发保持性能而不需要昂贵计算的资源丰富方法，如用于主题聚焦摘要的logit重新加权和用于隐私保护个性化的战略查询。
未来研究方向
基于当前趋势，我们预计在不久的将来会看到以下发展：
可解释的RAG系统：继RAG系统中的源归属工作之后，我们可以期待更多研究，使复杂的检索系统对用户透明和可解释。
跨域和跨模态融合：视觉语言和代码专用LLM在检索任务中的有希望表现指向能够处理文本、代码、图像和多模态内容的统一检索器。
以数据为中心的合成生成：如合成关系表格数据的工作所示，我们可能会看到更复杂的方法来为专业领域中的基础模型预训练生成高质量的合成数据。
本周强调了研究人员如何使AI更高效、可解释并适用于专业领域。在接下来的几周里，请关注RAG系统、表格基础模型和隐私保护AI技术的更多发展。
直到下周，
Archi
## 想要改进它？
请随意调整、构建或完全重新配置这个工作流。如果您想出了一些很酷的东西，请告诉我们，我们可能会与我们的社区分享！💚
评论(0)