Post #1541

На открытии Хакатона AAAA Petr Lidsky выступил с абсолютно гениальной идеей Я работаю в City University of Hong Kong, и наша лаборатория пытается построить унифицирующую теорию старения и применить её на практике. Но задача шире самой геронтологии: на мой взгляд, наука сегодня работает гораздо медленнее, чем могла бы, потому что способ, которым мы передаём знания, устарел. Сейчас знание упаковано в академические статьи — «романы» на 30–40 страниц с экспозицией, кульминацией и развязкой. Этот формат возник 300 лет назад и долгое время был полезен, но больше не отвечает потребностям темпа. Статьи тяжело читать, если вам нужен конкретный эксперимент: приходится «прокапывать» десятки страниц. Полноценных инструментов для добычи экспериментальных фактов и сквозного поиска по литературе до недавней ИИ‑волны почти не было. Это лишь малая часть проблемы. Каждая статья уникальна по структуре — оценка качества и влияния требует реальных экспертов, которых нужно собирать и нагружать. Альтернативой стали цитаты, но и они шумные: средняя статья содержит ~50 ссылок, из которых лишь ~4–5 отражают ключевую эволюцию идеи, остальные — «шум». В итоге главный критерий оказывается «имя журнала», а это производит системные искажения: неправильные стимулы, долгие «большие» статьи, задержки доступа к данным, политика в принятии решений, безумные APC (платежи авторов), кризис воспроизводимости (чтобы пробиться в «топ‑журналы», авторов тянет к эффектным трактовкам), кризис peer review (недооценённый, неоплачиваемый труд перегруженных рецензентов). Все академические KPI привязаны к статьям, поэтому реформировать систему крайне трудно — это как менять колёса на ходу. Моё предложение — формат Singularis: сделать базовой единицей научной коммуникации не «роман», а атомарный, цитируемый элемент. Например: гипотеза, внешний факт, метод, эксперимент, результат, вывод, анализ данных. Элементы связаны не просто ссылками, а осмысленными, типизированными отношениями (какой результат подтверждает какую гипотезу, какой метод применён к какому эксперименту и т.д.). Что это даёт и как мы туда идём: — Я хочу «расплющивать» каждую PDF‑статью в граф: собрать гипотезы, методы, эксперименты, результаты, выводы и внешние факты, а затем связать их внутри статьи осмысленными ребрами. — Затем я строю связи между статьями, исходя из существующих референсов, но соединяя не «целые статьи», а конкретные элементы (результат одной подтверждает/опровергает гипотезу другой). — Итог — сквозной граф знаний науки, удобный для человека (быстрая навигация к нужному эксперименту) и для ИИ‑поиска (сегодня качественный научный поиск может занимать 7–8 минут на один запрос, что делает невозможными многие high‑throughput‑задачи). С таким графом появляются честные, смысловые метрики научной ценности — топологические: кто что подтвердил, где рождаются опорные факты, как «течёт» доказательство через эксперименты и выводы. Эти метрики могут заменить «имя журнала» при найме, грантах, наградах. На следующих шагах я хочу встроить публикацию и рецензирование прямо в граф. Дальняя цель — оставить традиционные «монолитные» статьи и журналы в прошлом. Где мы сейчас? У меня уже работает алгоритм, который «сплющивает» PDF в граф с перечисленными элементами (внешние факты, гипотезы, методы, эксперименты, результаты, выводы) и осмысленными связями. Но этот конвейер держится на LLM — он дорогой по деньгам и времени и не масштабируется на десятки миллионов публикаций. Задача для хакатона: — Постройте эффективный регекс‑/правил‑ориентированный пайплайн, который приближает разметку LLM, но стоит на порядки дешевле. — Ваша основная метрика — насколько хорошо ваш алгоритм воспроизводит «LLM‑рид‑аут» (точность извлечения элементов и связей относительно эталона). — Второй критерий — только при близких результатах по первому: предложите улучшения структуры графа (типы элементов, типы связей, уровень гранулярности), чтобы граф стал лучше для человека и машины. Требования к артефактам: