Yila

Literatür Araması

Kaydedilmiş aday makale havuzuyla Ajan odaklı makale keşfi.

Literatür Araması
Örnek istekler

Öncü Makaleler

  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)…

    2026·1419atıflar·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…

    2025·670atıflar·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…

    2025·126atıflar·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…

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

Kullanım senaryoları

Kaydedilmiş aday makale havuzuyla Ajan odaklı makale keşfi.

Kaydedilmiş aday makale havuzuyla Ajan odaklı makale keşfi.

Elinizde zaten olanlar: Araştırma konusu

Elinizde zaten olanlar: Araştırma konusu

Kaynak tercihi, Aday sayısı, Çıktı dili

Nasıl çalışır

İsteği anlama

İsteği anlama

Konuyu ve yapılandırılmış tercihleri kullanıcının kısıtları olarak okuyun. Yalnızca sonucu esaslı biçimde değiştirecek eksik bir seçimi netleştirin; aksi hâlde uygun arama planını birleşik araç yetenek kartından Araştırma Ajanı’nın seçmesine izin verin.

Aday makaleleri getirme

Aday makaleleri getirme

Aynı Araştırma Ajanı sohbetinde search_papers_v2’yi kullanın. candidate_count, sınırlı havuzun toplam kotasıdır. Araç, Ajan’ın hazırladığı kaynak/sorgu planını yürütür ve gerçekleşen aramaları, hataları, atlananları ve adayların meta verilerini döndürür.

Adayları değerlendirme

Adayları değerlendirme

Dönen makale meta verilerini ve tanılama bilgilerini inceleyin. Kullanıcının sorusuyla ilgililik, derginin itibarından önce gelir. Yila ara kararları, kanıt sınırlarını ve çözülmemiş sorunları görünür tutar;

Sonuçları gösterme ve kaydetme

Sonuçları gösterme ve kaydetme

Paper Search v2, candidate-paper-pool.json ve candidate-paper-pool.xlsx dosyalarını birlikte kaydeder. Bu ilk havuz için save_paper_pool aracını ayrıca çağırma. Havuzun tamamını yapıştırmadan, genel makale keşfi yönergelerine göre yanıt ver.

Sık sorulan sorular

Bu iş akışını araştırmanızda çalıştırmaya hazır mısınız?

Yila çalışma alanına girin ve sorunuzu veya materyallerinizi paylaşın. Yila, aynı araştırma sohbetinde seçilen yöntemden başlar.

Bu Playbook'u çalıştır