Yila

Recherche bibliographique

Recherche d’articles menée par l’Agent, avec un corpus d’articles candidats enregistré.

Recherche bibliographique
Exemples de demandes

Articles de pointe

  1. 1
    A Survey of Large Language Models

    The rapid evolution of large language models (LLMs) has driven a transformative shift in artificial intelligence (AI), reshaping both research paradigms and practical applications. Distinguished from their predecessors by unprecedented scale and advanced capabilities, LLMs necessitate new frameworks for understanding their development, behavior, and societal impact. This survey systematically reviews recent advancements in LLM techniques across four key dimensions: (1)…

    2026·1419citations bibliographiques·Y. Zhou et al.·Frontiers of Computer Science·IF 4.6 · Q1
  2. 2
    DeepSeek-R1 incentivizes reasoning in LLMs through reinforcement learning

    General reasoning represents a long-standing and formidable challenge in artificial intelligence (AI). Recent breakthroughs, exemplified by large language models (LLMs)1,2 and chain-of-thought (CoT) prompting3, have achieved considerable success on foundational reasoning tasks. However, this success is heavily contingent on extensive human-annotated demonstrations and the capabilities of models are still insufficient for more complex problems. Here we show that the reasoning…

    2025·670citations bibliographiques·DeepSeek-AI et al.·Nature·IF 48.5 · Q1
  3. 3
    AI Agents vs. Agentic AI: A Conceptual taxonomy, applications and challenges

    This review critically distinguishes between AI Agents and Agentic AI, offering a structured, conceptual taxonomy, application mapping, and analysis of opportunities and challenges to clarify their divergent design philosophies and capabilities. We begin by outlining the search strategy and foundational definitions, characterizing AI Agents as modular systems driven and enabled by LLMs and LIMs for taskspecific automation. Generative AI is positioned as a precursor providing…

    2025·126citations bibliographiques·M. Shavit et al.·Information Fusion·IF 15.5 · Q1
  4. 4
    Physics-informed neural networks for PDE problems: a comprehensive review

    As AI for Science continues to grow, Physics-informed neural networks (PINNs) have emerged as a transformative approach within the realm of scientific computing and deep learning, offering a robust and flexible framework for solving partial differential equations (PDEs) and other complex physical systems. By embedding physical laws directly into the architecture of neural networks, PINNs enable the integration of domain-specific knowledge, ensuring that the models adhere to…

    2025·136citations bibliographiques·S. Cuomo et al.·Artificial Intelligence Review·IF 13.9 · Q1

Cas d’usage

Recherche d’articles menée par l’Agent

Recherche d’articles menée par l’Agent

avec un corpus d’articles candidats enregistré.

Vous disposez déjà de : Sujet de recherche

Vous disposez déjà de : Sujet de recherche

Sources privilégiées, Nombre d’articles candidats, Langue de sortie

Déroulement

Comprendre la demande

Comprendre la demande

Traiter le sujet et les préférences structurées comme des contraintes fixées par l’utilisateur. Ne demander de précision que pour un choix manquant qui changerait sensiblement le résultat ;

Récupérer les articles candidats

Récupérer les articles candidats

Utiliser search_papers_v2 dans la même conversation du Research Agent. candidate_count est le quota total, plafonné, du corpus. L’outil exécute le plan de sources et de requêtes rédigé par l’Agent et renvoie les recherches réellement effectuées, les échecs,.

Évaluer les articles candidats

Évaluer les articles candidats

Examiner les métadonnées des articles renvoyés et les diagnostics. La pertinence pour la question de l’utilisateur passe avant le prestige de la revue. Yila garde visibles les décisions intermédiaires, le périmètre des preuves et les questions en suspens, pour.

Afficher et enregistrer les résultats

Afficher et enregistrer les résultats

Paper Search v2 enregistre ensemble candidate-paper-pool.json et candidate-paper-pool.xlsx. Ne pas appeler save_paper_pool séparément pour ce corpus initial. Répondre en suivant les consignes générales de recherche d’articles, sans coller le corpus complet.

Questions fréquentes

Prêt à appliquer ce processus à votre recherche ?

Ouvrez l’espace de travail Yila et indiquez votre question ou fournissez vos documents. Yila part de la méthode choisie, dans la même conversation de recherche.

Lancer ce Playbook