科研版AI搜索來了！知乎直答接入正版論文庫，一手實測在此

魚羊 2024-11-01 16:59:05 來源：量子位

魚羊 發自 凹非寺

量子位 | 公眾號 QbitAI

人在知乎，正經搞科研，這事兒越來越有譜了（doge）。

想了解下學術熱點，直接一搜，AI不僅一步到位給出總結，連參考文獻都列好了。

想要進一步跟大模型探討論文內容，也無需跳轉，將論文一鍵選入暫存區，就能愉快開聊。

最新消息，知乎版AI搜索知乎直答，已正式上線“專業搜索”功能。

并且，是國內首家提供AI搜索與正版論文庫一站式解決方案的那種：

引入維普、知乎精選等超過5000萬篇中英文高質量文獻數據，同時提供資料查詢、上傳和專業解讀等一系列功能。

此前，就有不少知友推薦過知乎直答的學術用法，表示基于知乎的專業屬性和知識分享環境，用它來跟蹤熱點、尋找思路頗有優勢。

現在，知乎進一步接入國內外正版論文庫，還加強了對論文的解析和問答能力，對科研黨來說，屬實是：

這不，已經有第一波嘗鮮的網友發出感嘆：專業搜索終于讓知乎直答發揮出了獨特價值。

話不多說，我們第一時間，上手實測。

寫論文，真的可以先上知乎了

知乎直答的入口，就在首頁頂部，也可以從單獨的網址https://zhida.ai/進入。

在原來通用搜索的基礎之上，新版本更新了“專業搜索”按鈕，在提問之前，可以勾選不同的公開知識庫，包括中文論文庫、英文論文庫和知乎精選。

比如把范圍限定在知乎精選，大模型就會根據答主們的高贊回答來總結生成內容。

而把范圍限定在論文庫，則可以找到更多相關的原始論文鏈接。

值得一提的是，知乎直答專業搜索背靠5000萬+中英文高質量文獻數據，覆蓋的專業范圍很廣。像“深度學習如何提高地質儲層屬性預測的準確性”這樣的問題，也能回答得有理有據，并且同樣能溯源到原論文。

看樣子檢索這一步，知乎直答可以說是做到了全、專、精，并且充分利用了自身作為知識分享社區的高質量內容積累。

那么接下來，讓我們進入讀論文環節。

如果是維普收錄的中文論文，想要詳讀很方便：無需跳轉，點擊論文標題下方的“預覽文件”即可。

實測中，我們發現更實用的功能是，對于所有參考來源，都可以點擊“暫存”將它們設置為暫存文件，在進一步與大模型的問答交互中作為新的參考范圍。

也就是說，當你想對某個研究方向、研究課題進行更深入的了解時，不用費勁下載論文、跳轉其他AI工具，直接就可以指定參考鏈接，跟知乎的大模型展開細節討論。

比如從介紹Mamba的三篇文章中，總結出Mamba跟FlashAttention的關系：

對此，某不愿透露姓名的測評志愿者只想說：

另外，知乎直答專業搜索還支持上傳本地文件。不使用搜索功能，直接拿它當個讀論文工具也是OK的。

當然啦，作為一個以人類交流為核心的知識分享平臺，在這樣的AI產品中，我們發現知乎還是保留了一些傳統藝能。

比如，如不滿意，還可以一鍵向知友提問（doge）。

簡單總結一下，知乎直答的這個專業搜索功能，相當于能把科研黨們了解科研方向、收集相關文獻、撰寫文獻綜述這一套流程給一站式包辦了。

技術細節：主打“靠譜”

量子位還了解到，針對科研AI搜索最大的挑戰——幻覺問題，在技術方面，知乎直答采用了稀疏檢索（Sparse Retrieval）+稠密檢索（Dense Retrieval）的混合檢索方案，有效保障了召回過程的高效性和內容的高相關性。

并且基于知乎在知識問答領域的深厚積累，系統在召回環節融入了大量內容質量信號，如內容可信度、答主專業度和回答完整性等，以進一步提高生成結果的可靠性。

與此同時，在模型能力上，知乎直答專業搜索融合了多種前沿技術，來提升模型對復雜問題的分析、解決能力：

多智能體協同系統

基于定制大語言模型的函數調用能力，通過多智能體的協同工作，實現對信息查詢、內容分析、數學計算等多種功能的支持。

簡單來說，就是這些不同環節的功能是由一系列專用模型和工具分工負責的，好處是，能以較低的成本和延遲為用戶提供高質量回答，同時能更靈活地滿足用戶的多樣化需求。

基于推理的意圖理解

能否深度理解用戶意圖，對于AI搜索的體驗而言至關重要。

知乎直答融合知乎多年積累的自然語言理解技術，結合大語言模型強大的推理能力，對用戶的上下文和提問進行深入分析，能多角度、多層次地召回多樣且高質量的內容。

思維鏈提示詞工程

為了提升模型在復雜問題上的表現能力，知乎直答采用了思維鏈和少樣本學習等提示方法。

通過在提示中加入思維過程示例，模型能夠更好地模擬人類的思考方式，提供更具邏輯性和解釋性的回答。

自適應上下文重排

針對召回的文檔，知乎直答采用動態文本切片算法進行內容分塊。

通過訓練的重排序模型（Reranker）對分塊后的內容進行評分和排序，并采用智能組合策略將多個相關的文本塊有機組合在一起，為復雜問題提供更完整、更豐富的上下文。

自適應的上下文重排機制能提升回答的連貫性和信息量，滿足用戶對內容深度和廣度的需求。

除了可靠性，對于AI搜索產品的用戶體驗而言，響應速度同樣關鍵。

為此，知乎直答采用了基于前綴緩存（Prefix Cache）和分塊預填充（Chunk Prefill）等技術，來降低首個標記和解碼的時延，提升服務吞吐量和響應速度。

做AI搜索，知乎場景優勢和專業性突出

有一說一，隨著大模型推理價格的下降，近來AI搜索的市場競爭，屬實有些激烈。

一方面作為目前最有可能盈利的AI應用，AI搜索市場反饋良好，數據蹭蹭上漲——比如行業標桿Perplexity，7月的月查詢量達到了約2.5億個問題，達到了2023年全年查詢量的一半。

另一方面，在創業公司摩拳擦掌的同時，Google、OpenAI等新老巨頭也紛紛下場，親身開卷AI搜索產品。

知乎做AI搜索，入局時間不算最早，體量也不算最大，但就成效而言，顯然已經在國內市場逐漸建立起了屬于自己的優勢。

知乎直答今年6月底上線，7月就已經在各大AI產品榜單上嶄露頭角了。

根據量子位智庫數據，其7月總訪問量增長達到了430%。

SimilarWeb的最新數據顯示，其9月訪問量達到470萬，相較于8月份數據增長超過180%。

從訪問量增長的趨勢來看，知乎直答在一眾AI搜索產品中，頗具競爭力。這實際上與知乎做AI搜索的天然優勢不無關系：

知乎本身是國內最大的在線知識分享社區，積累了大量問答形式的專業、深度內容。無論是用戶的使用習慣，還是平臺的內容質量，都與AI搜索的產品形式相契合。

知乎CEO周源在與騰訊新聞的最新對話中也提到，知乎在成立初期就認為，提問跟搜索非常接近：搜索是搜索已經產生的信息，如果現有信息不能滿足，那么就可以提問，用提問去連接還沒產生的信息。

從這個角度來看，大模型技術的發展恰好進一步打破了“搜索”和“提問”的邊界，使這種產品設計變得更為自然。

而正如不少知乎網友在專業搜索上線后的反饋中所提到的：

知乎直答的此番更新，有那么點進一步突出核心競爭力的意思。

在更好地滿足用戶在專業領域的信息搜索和查詢需求的同時，標志著知乎在如今火熱的AI搜索賽道中，正在朝向更強調專業性、實用性的方向占據屬于自己的生態。

作為普通用戶，值得期待的是，隨著AI搜索產品的進一步落地和競爭，知乎直答專業搜索這樣的更新迭代，意味著深度搜索需求開始有市場化產品來滿足了。

從中可以觀察到的是，專業、深度知識獲取的成本正在大模型時代進一步降低，而無論是對科研方法，還是對商業模式而言，新的可能性已開始在此中醞釀。

— 完 —