una conversación interesante sobre X sobre cómo se está volviendo difícil mantenerse al día con los nuevos trabajos de investigación debido a su cantidad cada vez mayor. Honestamente, existe un consenso general de que es imposible mantenerse al día con todas las investigaciones que se están realizando actualmente en el espacio de la IA, y si no podemos mantenernos al día, nos estamos perdiendo mucha información importante. El meollo principal de la conversación fue: ¿para quién escribimos si los humanos no pueden leerlo, y si los LLM son los que realmente leen los artículos, cuál es el formato ideal para ellos?
Esto me hizo pensar y me recordó un artículo que escribí en 2021 sobre las herramientas que utilicé para leer artículos de investigación de manera efectiva y cómo los leía en ese entonces. Esa era la era anterior a ChatGPT y me di cuenta de cuánto ha cambiado para mí la lectura en papel desde entonces.
Por eso, les comparto cómo leo los artículos de investigación actuales, tanto manualmente como con la ayuda de la IA. Mi esperanza es que si usted también se siente abrumado por el ritmo, algunas de estas ideas o herramientas puedan ayudarlo a desarrollar un flujo que funcione para usted. Realmente no tengo la respuesta sobre cómo debería ser un formato de papel ideal en la era LLM, pero al menos puedo compartir lo que me ha funcionado hasta ahora.
El método manual: estilo de método de tres pasos
Hubo un tiempo en el que toda la lectura era manual y solíamos imprimir artículos y leerlos o hacerlo a través de un lector electrónico. Durante ese tiempo me presentaron un artículo de S. Keshav sobre el método de los tres pasos. Estoy seguro de que tú también debes haberlo encontrado. Es una forma sencilla pero elegante de leer un artículo dividiendo el proceso en tres pasos.
Como se muestra en la figura anterior, el método de tres pasos le permite controlar qué tan profundo desea llegar según su propósito y el tiempo del que dispone. Esto es lo que implica cada pase:
La primera pasada ofrece una rápida vista aérea. Escaneas el documento para comprender su idea principal y comprobar si es relevante. El objetivo es responder a las 5 C al final de la lectura: la categoría del artículo, su contribución, si las suposiciones son correctas, la claridad de la escritura y el contexto del trabajo. Esto no debería llevar más de 5 a 10 minutos. La segunda pasada puede durar hasta una hora y es un poco más profunda. Puedes tomar notas y comentarios, pero omite las pruebas por ahora. Principalmente debes concentrarte en las figuras y gráficos e intentar ver cómo se conectan las ideas. El tercer y último pase lleva tiempo. Ahora ya sabes que el documento es relevante, por lo que esta es la etapa en la que lo lees detenidamente. Debería poder rastrear el argumento completo, comprender los pasos y recrear mentalmente el trabajo. Aquí también es donde cuestionas las suposiciones y compruebas si las ideas se sostienen.
Incluso hoy en día, en la medida de lo posible, intento empezar con el método de las tres pasadas. Lo he encontrado útil no sólo para trabajos de investigación sino también para blogs y artículos técnicos extensos.
La forma resumida de Chatbot: estilo vainilla
Hoy en día, es fácil colocar un artículo en un chatbot con tecnología LLM y solicitar un resumen rápido. No hay nada de malo en eso, pero creo que la mayoría de los resúmenes de IA son rápidos y, en ocasiones, aplanan las ideas.
Pero he encontrado pocas indicaciones que funcionen mejor que la sencilla entrada de “resumir este artículo”. Por ejemplo, puede pedirle al LLM que genere el resumen en un estilo de tres pasadas, el mismo método que analizamos en la sección anterior, que proporciona un resultado mucho mejor.
Dame una mirada de estilo de tres pasadas a este artículo. Paso 1: un vistazo rápido a lo que trata el artículo. Paso 2: las ideas principales y por qué son importantes. Paso 3: los detalles más profundos a los que debo prestar atención.
Otro mensaje que funciona bien es un estilo simple de problema-idea-evidencia:
Dígame: • qué problema intenta resolver el artículo • la idea principal que utilizan • cómo la respaldan • qué significan los resultados.
O si quiero comprobar cómo se compara un artículo con trabajos anteriores, puedo preguntar:
Dame la idea principal del artículo y también señala sus límites o cosas a tener en cuenta.
Siempre puedes continuar el chat y pedir más detalles si la primera respuesta te parece ligera. Pero el problema principal para mí sigue siendo el mismo: debes cambiar de pestaña para mirar el documento y luego comparar la explicación y ambas se ubican en lugares diferentes. Para mí, ese constante ir y venir se convierte en un punto de fricción. Tiene que haber una manera mejor que mantenga tanto la fuente como la asistencia de la IA en el mismo lienzo y esto nos lleva a la siguiente parte.
La forma de herramientas especializadas: la interfaz de usuario importa
Así que me propuse explorar herramientas que brindaran asistencia de LLM y al mismo tiempo ofrecieran una mejor interfaz de usuario y una experiencia de lectura más fluida. Aquí hay tres que he usado personalmente. Esta no es una lista exhaustiva, solo aquellas que, en mi experiencia, funcionan bien sin reemplazar la experiencia de lectura principal. También señalaré las características que más me gustan de cada herramienta.
1. alfaXiv
AlphaXiv es la herramienta que he estado usando durante mucho tiempo porque tiene muchas cosas útiles integradas en la plataforma. Es fácil acceder a un artículo aquí, ya sea a través de su feed o tomando cualquier enlace de arXiv y reemplazando arxiv con alphaxiv. Obtiene una interfaz limpia y un montón de herramientas asistidas por IA que se encuentran justo encima del papel. Hay una ventana de chat familiar, pero aparte de eso, puedes resaltar cualquier parte del documento y hacer una pregunta allí mismo. También puede obtener contexto de otros documentos utilizando la función @. Si desea profundizar más, muestra artículos relacionados, el código de GitHub, cómo otros citan el trabajo y también pequeñas notas bibliográficas sobre el tema. También hay una función de conferencia de audio de IA, pero no la uso con frecuencia.
Mi parte favorita es el modo estilo blog. Me brinda una versión simple y legible del artículo que me ayuda a decidir si debo hacer una lectura profunda o no. Mantiene las figuras y la estructura en su lugar, casi como si convertiría un artículo en un blog.
Cómo intentarlo: reemplace arxiv con alphaxiv en cualquier enlace de arXiv o ábralo directamente desde su sitio en alphaxiv.org.
2. papeles
¿Cómo descubres nuevos artículos? Para mí, es a través de algunos boletines, pero la mayoría de las veces proviene de algunas cuentas X destacadas. Sin embargo, el problema es que hay muchas cuentas de este tipo, por lo que hay mucho ruido y la señal se ha vuelto más difícil de seguir. Papiers agrega conversaciones sobre un artículo y otros artículos relacionados con él en un solo lugar, haciendo que el descubrimiento sea parte del flujo de lectura en sí.
Papiers es una herramienta bastante nueva pero ya tiene algunas características excelentes. Por ejemplo, además de obtener conversaciones sobre el artículo, puede obtener una vista estilo Wiki en dos formatos: técnico y accesible, para que pueda elegir el formato según su nivel de comodidad con el tema. También hay una vista Lineage que muestra a los padres e hijos del artículo, para que puedas ver qué dio forma al trabajo y qué vino después. Y también hay una función de mapa mental (piense en NotebookLM) que es bastante interesante.
Quería señalar aquí que la herramienta me dio un error de papel no encontrado para algunos documentos, o que faltaba la alimentación X en algunos. Sin embargo, funcionó para los periódicos destacados. Miré a mi alrededor y encontré en un hilo X que actualmente los artículos se indexan según demanda, así que supongo que eso lo explica. Pero es una herramienta nueva y realmente me gustan las ofertas, así que estoy seguro de que esta parte mejorará con el tiempo.
Cómo intentarlo: reemplace arxiv con papiers en cualquier enlace de arXiv o ábralo directamente desde su sitio en papiers.
3. Lumi
Lumi es una herramienta de código abierto del grupo de investigación People + AI de Google y, como ocurre con gran parte de su trabajo, viene con una interfaz de usuario impresionante y bien pensada. Lumi resalta las partes clave del artículo y coloca resúmenes breves en el margen lateral, para que siempre puedas leer el artículo original junto con el resumen generado por IA. También puede hacer clic en cualquier referencia y le llevará directamente a la frase exacta del artículo. La característica destacada de Lumi es que no sólo explica el texto sino que también puedes seleccionar una imagen y pedirle a Lumi que también la explique.
El único inconveniente es que actualmente funciona para artículos de arXiv bajo una licencia Creative Commons, pero me encantaría verlo expandirse para cubrir todo arXiv y tal vez incluso permitir cargar archivos PDF de otros artículos.
Otras herramientas dignas de mención
Si bien uso principalmente las herramientas mencionadas anteriormente, hay algunas otras con las que definitivamente me he cruzado, y te animo a que las pruebes si se ajustan a tu flujo, como: No se convirtieron en mis opciones principales, pero tienen algunas buenas ideas y pueden funcionar bien para ti dependiendo de tu estilo de lectura.
OpenRead es una excelente opción para leer artículos y realizar estudios de literatura. Tiene algunos complementos excelentes, como comparar artículos, gráficos en papel para mostrar artículos conectados y una función de papel expreso que brinda un resumen conciso del artículo en una sola página.
Algo a tener en cuenta aquí es que OpenRead es una herramienta paga pero viene con una versión freemium.
SciSpace es una herramienta muy versátil y además de poder chatear con un artículo, puedes hacer revisiones de literatura semántica, profundizar en investigaciones, escribir artículos e incluso crear visualizaciones para tu trabajo. Hay muchas otras cosas que ofrece, que puedes explorar en su suite. Al igual que OpenRead, también es una herramienta paga con funciones limitadas disponibles en el nivel gratuito. Daily Papers de HuggingFace es una excelente opción si desea ver artículos de tendencia. Otro buen detalle es que puedes ver inmediatamente los modelos, conjuntos de datos y espacios en HuggingFace citando un artículo en particular (si existe) y también chatear con los autores.
Conclusión
La mayor parte de las lecturas que hago son parte de la revisión de la literatura para mi blog y es una combinación de las tres estrategias que mencioné anteriormente. Todavía me gusta revisar los documentos manualmente, pero cuando quiero ir más allá, ver documentos relacionados o entender algo con más detalle, las tres herramientas que mencioné me ayudan mucho. Soy consciente de que hay muchas más herramientas asistidas por IA para leer artículos, pero al igual que la frase demasiados cocineros estropean el caldo, me gusta limitarme a unas pocas y no saltar entre favoritos a menos que haya una característica realmente destacada.