Tomesphere: 8 millones de artículos científicos para alimentar a la IA, y para los humanos si eso ya tal
Tomesphere es una nueva plataforma pensada para que los agentes de IA trabajen directamente con literatura científica (papers) sin tener que extraer texto de documentos en Word o PDF. Reúne más de 8 millones de artículos procedentes de 6 repositorios (arXiv, PMC, bioRxiv, medRxiv, eLife y F1000) y ofrece los resultados en diversos formatos para reducir y abaratar el número de tokens necesarios. Aparte de eso, también hay bonitos PDF legibles para los humanos que quieran leer la misma información.
La plataforma conecta automáticamente cada publicación con otros recursos relacionados. Actualmente tiene 402.000 trabajos revisados por pares, 146 millones de menciones de entidades médicas, 1,58 millones de artículos sobre los genes, 132.000 ensayos clínicos.
Todo está organizado en unos 25.000 clústeres semánticos que resultan ágiles y muy entretenidos de navegar; cada trabajo tiene un resumen automático para decidir si merece la pena leerlo o no, enlaces a código y modelos si se mencionan proyectos de GitHub, Hugging Face y similares, indicadores de confianza con revisiones abiertas, retractaciones e índices de impacto, e incluso vídeos explicativos en algunos casos.
La idea es convertir cada artículo científico en una unidad de conocimiento estructurada, que aunque puede ser principalmente alimento para ChatGPT, Claude, Perplexity, Bing, Gemini y similares, también está ahí para los osados humanos que quieran navegar sus procelosas aguas. Es una especie de capa de metadatos extra tanto para investigadores como para modelos de IA, un gran ejemplo de colaboración para analizar la literatura científica de forma mucho más eficiente.
Relacionado:
Un archivo completo de todos los ejemplares de Investigación y Ciencia
# Enlace Permanente
La plataforma conecta automáticamente cada publicación con otros recursos relacionados. Actualmente tiene 402.000 trabajos revisados por pares, 146 millones de menciones de entidades médicas, 1,58 millones de artículos sobre los genes, 132.000 ensayos clínicos.
Todo está organizado en unos 25.000 clústeres semánticos que resultan ágiles y muy entretenidos de navegar; cada trabajo tiene un resumen automático para decidir si merece la pena leerlo o no, enlaces a código y modelos si se mencionan proyectos de GitHub, Hugging Face y similares, indicadores de confianza con revisiones abiertas, retractaciones e índices de impacto, e incluso vídeos explicativos en algunos casos.
La idea es convertir cada artículo científico en una unidad de conocimiento estructurada, que aunque puede ser principalmente alimento para ChatGPT, Claude, Perplexity, Bing, Gemini y similares, también está ahí para los osados humanos que quieran navegar sus procelosas aguas. Es una especie de capa de metadatos extra tanto para investigadores como para modelos de IA, un gran ejemplo de colaboración para analizar la literatura científica de forma mucho más eficiente.
Relacionado:
Un archivo completo de todos los ejemplares de Investigación y Ciencia
# Enlace Permanente
Fuente: Artículo original