Future-House/paper-qa

High accuracy RAG for answering questions from scientific documents with citations

解決する課題

PaperQA2は、科学文献に対して高精度なエージェント型検索拡張生成（RAG）を実行するように設計されています。検索、証拠収集、および統合プロセスを自動化することで、膨大なPDF、テキストファイル、Microsoft Officeドキュメント、ソースコードのコレクションから、根拠に基づいた引用付きの回答を抽出するという課題を解決します。

仕組み

このシステムは3段階のアルゴリズムに従います。まず、LLMが生成したクエリを使用して候補となる論文を検索します。次に、ドキュメントの断片をチャンク化、埋め込み、ランク付けして関連する証拠を収集します。最後に、LLMを使用して、文中引用を含む根拠に基づいた回答を合成します。LLMが検索と証拠収集を反復的に洗練できるエージェント型ワークフローをサポートしており、Semantic ScholarやCrossrefなどのソースからの自動メタデータ取得機能も含まれています。

対象ユーザー

技術文書や科学論文の膨大なリポジトリ全体で、複雑な質問応答、要約、または矛盾検出を行う必要がある研究者、科学者、開発者を対象としています。

ハイライト

ソースドキュメントへの文中引用を含む、根拠に基づいた回答。
反復的なクエリの洗練を可能にするエージェント型RAG機能。
PDF、Officeドキュメント、コード、および表や図などのマルチモーダルコンテンツを含む、多様なファイルタイプのサポート。
ローカルドキュメントディレクトリの迅速なインデックス作成、検索、クエリのための組み込みCLI。
さまざまなパフォーマンスニーズ（例: "fast" 対 "high_quality"）に対応したバンドル設定による高度な構成可能性。
LiteLLMを介した幅広いLLMプロバイダーとの互換性。