Scopus AI：可信内容。由负责任的AI提供支持。

Scopus AI是一种由生成性AI（GenAI）支持的直观智能搜索工具，以前所未有的速度和清晰度提供见解.它与学术界密切合作，通过从Scopus中的元数据和摘要中揭示见解，为了解人类积累的知识提供了一个窗口，Elsevier的来源中立和策划的摘要和引文数据库.

Scopus AI使用自然语言处理。这意味着您不必担心匹配特定的关键字或布尔运算符；相反，你可以用日常语言键入你的问题、陈述或假设。Scopus AI随后查找自2013年以来发布的相关文档，并综合其摘要的内容，创建一个即时、易于遵循和（重要的）参考的信息摘要。为了获得更深入的见解扩展的摘要,概念图,基础论文菜单和专题专家按钮使您能够继续探索和学习。

当Scopus AI对您的查询生成响应时，它会利用以下内容类型的元数据和摘要—除会议审查、勘误表和收回项目外—自2013年发布：

• ●

  第条

• ●

  书

• ●

  书籍章节

• ●

  审查

• ●

  简短调查

• ●

  数据文件

我们选择2013年作为起始年，以确保您收到的回复基于最新内容。对于以下列表基础论文由该工具提供，Scopus AI挖掘整个Scopus语料库，为您提供关于所选主题的有影响力的文章的综合列表。

关于生成性人工智能的一点注记

虽然Scopus AI努力在可信的Scopus内容中建立其摘要和生成性AI功能，但可能偶尔会出现差异。Scopus人工智能可能会产生被视为不正确、误导、偏见甚至冒犯的结果。Scopus AI并不打算提供法律、财务或医疗建议。用户不应仅依赖Scopus AI输出而不进行独立研究。如果你想在工作中使用Scopus AI生成的内容，请咨询你的机构或工作场所指南。请勿将个人、机密或敏感信息输入Scopus AI。

矢量搜索引擎几乎实时更新，确保您收到的回复始终考虑Scopus数据库中可用的最新相关研究。

GenAI工具中使用的大型语言模型（LLM）的功能吸引了全世界的关注。然而，他们也有缺点，包括缺乏透明度和幻觉，这可能会破坏人们对他们提供的信息的信任。 

• ●

  Scopus AI最大限度地减少幻觉 和偏见只使用我们复杂的向量搜索确定的高质量、精心策划的Scopus内容。 

• ●

  Scopus AI显示其工作原理明确引用了它用来生成响应的文档。它还告诉您响应与查询匹配的信心有多大。  

• ●

  Scopus AI旨在 避免不必要的数据保留. The爱思唯尔隐私政策解释我们的所有产品如何收集、使用和共享您的个人信息。 

• ●

  这个 Scopus AI利用的内容经过同行审查并经过严格审查并被独立董事选入Scopus内容选择和咨询委员会.  

• ●

  Scopus AI已经与学术界密切合作开发和测试确保满足关键需求和关注点。我们继续与研究人员合作，以增强该工具。  

• ●

  Scopus AI不仅仅提供简单的摘要响应提供独特的功能，使您能够继续探索和学习。  

• ●

  Scopus AI采用独特而强大的技术融合包括我们内部开发的正在申请专利的RAG融合算法，该算法可提高搜索和响应的质量。 

随机用户测试是我们收集Scopus AI用户反馈的多种方法之一。不幸的是，用户不能要求被包括在用户测试中，因为随机是有助于确保统计有效性的基本原则。

Scopus AI现在可供您的机构购买。确切的成本取决于几个因素，包括您是否是Scopus的现有客户。

如果您的机构有兴趣购买Scopus、Scopus AI，或者想了解将这两种产品结合使用的好处，请联系您的爱思唯尔客户团队。爱思唯尔新手？访问此页面与爱思唯尔代表联系。

如果您是寻求访问Scopus AI的个人用户，我们建议联系您的库以探索可用的选项。

当我们在Scopus和其他产品中嵌入GenAI功能时，我们的做法与Elsevier的一致负责任的人工智能原则和隐私原则。Scopus AI已经与学术界密切合作开发和测试确保满足关键需求和关注点。

对于Scopus AI，我们正在使用Microsoft Azure上托管的OpenAI的大型语言模型（LLM）ChatGPT，并达成协议，传递给该服务的信息不会被存储或用于培训目的。我们使用OpenAI的LLM是私有的，这意味着没有数据交换或使用我们的数据来训练OpenAI公共模型。

Scopus AI最大限度地减少幻觉只使用我们的矢量搜索确定的高质量、精心策划的Scopus内容。这个地面生成响应时Scopus AI.与其他许多自然语言处理工具不同，Scopus AI显示其工作原理明确引用了它用来生成响应的日志和文档。此外，Scopus AI遵守GDPR以保证用户隐私。我们不会在系统上存储个人用户信息或聊天历史记录，除非以改进产品的兼容方式（如分析或个性化）这样做。我们也不分享它。

你也可以放心Scopus AI引用的期刊经过同行评审并经过严格审查并被独立专家选入ScopusScopus内容选择和咨询委员会.

指导我们的大型语言模型（LLM）的即时工程设计非常严格，有明确的说明和范围。例如，Scopus AI生成的响应必须符合您的查询意图。如果AI在Scopus中找不到相关的学术论文，它必须通知您。当Scopus AI做出声明或断言时，总是需要引用。

Scopus AI是第一批率先开发快速成为LLM使用黄金标准的产品之一——检索增强生成（RAG）融合模型。这是一种提高向量搜索检索和LLM摘要生成质量的方法。

Scopus AI响应也会根据两个严格的评估框架进行定期测试。总之，这些因素降低了产生幻觉的风险，我们将继续致力于进一步限制这些风险。

我们非常重视偏见。Scopus AI专门利用Scopus中的学术内容，通过直接引用该工具所做声明背后的摘要来确保透明度。我们的向量搜索引擎使用余弦相似度来确定哪些摘要与您的查询最匹配，而不是倾向于某些高影响力期刊上引用或发表最多的论文。但如果您的查询有强烈的偏见，它可能会反映在响应中。即使你的问题是中立的，AI为其回应确定的Scopus文件中也可能存在偏见。

我们试图缓解这种情况的方法之一是根据两个严格的评估框架测试Scopus AI。其中一项特别要求Scopus AI回答与潜在偏见领域相关的问题，以便我们能够识别并尽量减少不适当的回答。我们积极测试这项服务，试图根据内部和外部的查询，产生或强化不公平偏见的回应，如Quora的虚假问题分类.

我们及时的工程指导LLM筛选出“不安全”的答案，这些答案会对来自不同背景的个人产生偏见、伤害或定型观念。如果Scopus AI在回应中使用的文件中存在偏见，它将承认这一点并为来源提供参考。我们有用户友好的反馈机制，用户可以报告任何有害或有偏见的响应，这些响应由我们的团队手动审查。

我们目前的政策是，GenAI工具不能作为作者列出或引用，因为它不能为其工作承担责任。就Scopus AI而言，它是一个很好的学习工具，可以帮助您熟悉新的主题并提出探索途径。 

我们的指导作者,审阅者和编辑允许使用GenAI工具提高可读性和语言但强调：

• ●

  该技术应始终作为支持工具加以应用，并由人进行监督和控制。 

• ●

  如有必要，应始终仔细审查和编辑结果。  

• ●

  作者应在论文中声明是否以及如何使用GenAI工具。 

• ●

  Scopus AI旨在根据真实的学术信息对某个学科或主题进行概述或介绍。它不是为了成为真理的绝对来源，而是一个指南。因此，我们建议用户直接引用摘要中引用的论文，而不是引用摘要本身。  

• ●

  此外，Scopus AI目前不包括版本控制，因此总结不适合引用。  

随着技术的成熟，我们将继续审查这一立场。请注意，我们链接到的上述指南仅指在写作/编辑过程中使用人工智能工具，而不是指在研究过程中使用AI工具从数据中分析和得出见解。 

目前还没有，但我们已经在探索如何让用户用他们选择的语言输入查询。从长远来看，我们将继续与研究人员合作，以了解如何扩展该工具的语言功能，从而使他们受益。