一个神经科学实验室,每周一到周四通过Slack推送最多一篇论文,周五则对本周论文做对比。整套流程由Python、ChatGPT Work和Slack串起来,英文和日文两个版本同时发出。

打开网易新闻 查看精彩图片

这套系统叫Research Literature Insights。它要解决的问题很具体:实验室关注的领域横跨多个方向,人工盯文献盯不过来,而通用搜索又抓不住实验室真正在意的问题。

从四个关键词到六个搜索领域

最初的四个关键词查询覆盖了fMRI解码,但没有针对审美偏好的搜索。对这家实验室来说,一项完全基于绘画评分的研究也可能是相关的。ChatGPT根据实验室已发表的研究计划和项目,提出了六个搜索领域,并在11月17日被采用。

这套画像让当前优先级高于过往发表记录,且不为任何领域设定配额。Python用这九条查询同时打OpenAlex和Europe PMC,还检索三本期刊——NeuroImage、Human Brain Mapping和Nature Neuroscience,追踪两篇种子论文的相关工作和引用,并搜索邻近主题。另有四条较长的语义查询,用来捕捉诸如“一个人的偏好是否会在绘画、风景和面孔之间泛化”这类问题。

475条记录如何变成50篇摘要

11月19日的日报做了一次实跑,关闭了Slack投递。Python检索到475条发表日期在10月21日至11月19日之间的记录,合并重复后剩445条。

一条记录要合格,必须有摘要,且标识符要通过与实验室馆藏、既往推荐和已发布内容的比对。标题或摘要还必须通过术语检查:

  • 标题至少包含一个配置好的神经科学或研究主题术语。加入taste和preference这类词后,行为学研究仅凭标题就能合格。
  • 如果标题没有匹配项,摘要中必须包含至少两个不同的配置神经科学术语。

最终323条合格。122条被排除的记录中,80条只栽在术语检查,29条只缺摘要,11条两项都没过,还有两条已经被推荐并发布过。

Python按神经科学、方法和主题术语的共同出现情况,把合格记录排进A到D四个档位。同一档内,主题术语出现在标题得12分,出现在摘要得2分。一个标题只要含fMRI,仅凭这一个词就能进A档,因为它同时出现在神经科学和方法两个词表里。

交给Work的全部50篇摘要都来自A档。另有69条A档记录落在上限之外。对于50条之外的全部273条合格记录,筛选日志保留了标题、标识符、排名和落选原因。Work可以顺着标识符找到公开来源。整体搜索中,有22条查询返回的记录数少于其报告的命中数。清单里的complete标记记录计划中的搜索是否成功。这些搜索究竟覆盖了相关论文的多少比例,目前并不清楚。

Work凭什么推荐一篇论文

要推荐一篇论文,Work至少要对照原始来源核实其摘要。它把证据强度和阅读理由分开判断:结果是否回应了实验室的问题、是否提供了可用的方法、是否提示了一项值得做的研究?重复性结果或阴性结果也可以合格。如果证据或相关性太弱,日报可以是零推荐。

11月19日的报告里,Work检查了九个条目,查阅了两篇全文、六篇摘要和一份数据集说明。那份审美偏好数据集来自50条之外,其未版本化记录排在第202位,Work顺着它找到了存放者的说明。

报告最终推荐了Wu和Turrigiano的小鼠味觉学习研究,Python把它排在第16位。作者在小鼠学会厌恶糖精以及这种厌恶消退的过程中,追踪了味觉皮层的反应。这家实验室此前区分过基本味觉与人类岛叶活动的模式。Work选中这篇,是因为它提示可以在学习改变某味觉的价值之前和之后,追踪同一种味觉。

两种语言如何可靠送达

Work和Ubuntu按各自的时间表运行。为防止Ubuntu读到写了一半的日报,Work先保存draft-YYYY-MM-DD,读回后再创建ready-YYYY-MM-DD。生成正式报告时,Ubuntu会查找该日期下文件名符合预期的恰好一个draft和一个ready标记,检查draft中的日期、status="ready"和test_only=false,然后把JSON存到Drive,并将下载的字节与已校验的draft比对。周报则由Work在保存前校验JSON,保存后再检查导出的文档。

如果英文已经进了Slack而日文请求超时,重发两条消息可能导致英文发两遍。SQLite为每种语言单独记录投递状态。发送方在Slack返回HTTP 200且响应体为ok后,把该条标记为已发送。重试时跳过已确认的帖子。如果投递状态不确定,操作者会先检查频道再重试。两种语言都确认后,这篇论文才进入发布历史。