Scopus AI：可信内容。由负责任的 AI 提供支持。

Scopus AI 是一款由生成式 AI （GenAI） 提供支持的直观智能搜索工具，可以前所未有的速度和清晰度提供见解。它是与学术界密切合作建立的，通过从爱思唯尔的来源中立和精心策划的摘要和引文数据库Scopus的元数据和摘要中获取见解，为人类积累的知识提供了一个窗口。

Scopus AI 使用自然语言处理。这意味着您不必担心匹配特定关键字或布尔运算符;相反，您可以使用日常语言输入您的问题、陈述或假设。然后，Scopus AI 会查找自 2013 年以来发布的相关文档，并综合其摘要的内容，以创建您正在寻找的信息的即时、易于理解和（重要）参考的摘要。为了获得更深入的见解，独特的选项，如 扩展摘要、 概念图、 基础论文 菜单和 主题专家 按钮，使你能够继续探索和学习。

当 Scopus AI 生成对您的查询的响应时，它会利用自 2013 年以来发布的以下内容类型的元数据和摘要，但会议评论、勘误表和撤回项目除外：

• 文章

• 预订

• 书章

• 评论

• 简短调查

• 数据纸

我们选择 2013 年作为起始年份，以确保您收到的回复基于最近的内容。对于该工具提供 的基础论文 列表，Scopus AI 会挖掘整个 Scopus 语料库，为您提供有关您所选主题的有影响力的文章的完整列表。

关于生成式 AI 的说明

虽然 Scopus AI 努力将其摘要和生成式 AI 功能建立在可信的 Scopus 内容中，但偶尔可能会存在差异。Scopus AI 可能会生成可能被视为不正确、误导、有偏见甚至令人反感的结果。Scopus AI 并非旨在提供法律、财务或医疗建议。用户不应仅仅依赖 Scopus AI 的输出而不进行独立研究。如果您想在工作中使用 Scopus AI 生成的内容，请查阅您的机构或工作场所指南。请勿在 Scopus AI 中输入个人、机密或敏感信息。

GenAI 工具中使用的大型语言模型 （LLM） 的功能引起了全世界的关注。然而，它们也有缺点，包括缺乏透明度和幻觉，这可能会破坏对它们所提供信息的信任。

• Scopus AI 仅使用由我们复杂的矢量搜索识别的高质量、精心策划的 Scopus 内容， 从而最大限度地减少幻觉 和偏见 。

• Scopus AI 通过明确引用用于生成响应的文档 来显示其工作原理 。它还会告诉您响应与您的查询匹配的置信度。

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

• Scopus AI 所借鉴的内容经过同行评审，并由独立的内容选择和咨询委员会经过严格审查和选择，以纳入 Scopus。

• Scopus AI 是与学术界密切合作开发和测试 的，以确保其满足关键需求和关注点。我们将继续与研究人员合作，以增强该工具。

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

• Scopus AI 利用独特而强大的技术组合，包括我们内部开发且正在申请专利的 RAG 融合算法，可提高搜索和响应的质量。

随机用户测试是我们收集 Scopus AI 用户反馈的众多方式之一。不幸的是，用户不能要求被纳入用户测试，因为随机化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，或者想了解这两种产品合并的好处，请联系您的爱思唯尔客户团队。刚加入爱思唯尔？请访问此页面 ，与爱思唯尔代表联系。

如果您是寻求访问 Scopus AI 的个人用户，我们建议您联系您的图书馆以探索可用选项。

当我们在Scopus和其他产品中嵌入GenAI功能时，我们这样做符合爱思唯尔 的负责任AI原则 和 隐私原则。 在新选项卡/窗口中打开Scopus AI 是与学术界密切合作开发和测试的，以确保其满足关键需求和关注点。

对于Scopus AI，我们正在使用OpenAI的大型语言模型（LLM）ChatGPT托管在Microsoft Azure上，并已达成协议，传递给该服务的信息不会存储或用于训练目的。我们对 OpenAI 的 LLM 的使用是私有的，这意味着没有数据交换或使用我们的数据来训练 OpenAI 的公共模型。

Scopus AI 通过仅使用由我们的矢量搜索识别的高质量、精心策划的 Scopus 内容来最大限度地减少幻觉 。这 为 Scopus AI 在生成响应时奠定了基础。 与许多其他自然语言处理工具不同， Scopus AI 通过明确引用用于生成响应的期刊和文档来展示其工作原理 。此外，Scopus AI遵守GDPR以保证用户隐私。我们不会在我们的系统上存储个人用户信息或聊天记录，除非以改进产品的合规方式（如分析或个性化）进行存储。我们也不分享它。

Scopus AI 所引用的期刊都经过同行评审，并由Scopus 内容选择和咨询委员会的独立专家经过严格审查和选择，以纳入 Scopus，您也可高枕无忧。

指导我们的大型语言模型 （LLM） 的提示工程被设计得非常严格，具有明确的指令和范围。例如，Scopus AI 生成的响应必须与查询的意图相匹配。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 确实提出声明或断言时，始终需要参考。

Scopus AI 是首批开创迅速成为 LLM 使用黄金标准的产品之一——检索增强生成 （RAG） 融合模型。这种方法可以提高向量搜索检索和 LLM 摘要生成的质量。

Scopus AI 响应还定期根据两个严格的评估框架进行测试。这些因素共同降低了幻觉的风险，我们将继续努力开发以进一步限制这些风险。

我们非常重视偏见。Scopus AI 仅利用 Scopus 中的学术内容，通过直接引用该工具提出的任何声明背后的摘要来确保透明度。我们的向量搜索引擎采用余弦相似度来识别哪些摘要与您的查询最接近，而不是偏爱在某些高影响力期刊上被引用或发表的论文。但是，如果您的查询有很强的偏见，它可能会反映在响应中。即使您的问题是中立的，AI 为其回答识别的 Scopus 文档中也可能存在偏见。

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最大限度地减少不适当的回答。我们积极测试该服务，以尝试根据内部和外部查询（例如 Quora的不真诚问题分类）产生或强化不公平偏见的响应。

我们的提示工程指示 LLM 过滤掉“不安全”的答案，这些答案会延续对来自不同背景的个人的偏见、伤害或刻板印象。如果 Scopus AI 在回复中使用的文档存在偏见，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，以便用户可以报告任何有害或有偏见的回复，这些回复由我们的团队手动审查。

我们目前的政策是，GenAI工具不能被列为作者或引用，因为它无法对其工作承担责任和问责。就 Scopus AI 而言，它是一个很好的学习辅助工具，可以帮助您熟悉新主题并提出探索途径。

我们对作者、审稿人和编辑的指导允许使用 GenAI 工具来提高研究文章的可读性和语言，但强调：

• 该技术应始终作为支持工具应用，并受到人类的监督和控制。

• 必要时，应始终仔细审查和编辑结果。

• 作者应声明他们是否以及如何在论文中使用 GenAI 工具。

• Scopus AI 旨在根据真实的学术信息提供对某个主题或主题的概述或介绍。它不是被设计成一个绝对的真理来源，而是一个指南。因此，我们建议用户直接从摘要中的引文中引用论文，而不是引用摘要本身。

• 此外，Scopus AI 目前不包括版本控制，因此摘要不适合引用。

随着技术的成熟，我们将继续审查这一立场。请注意，我们上面链接的指南仅涉及在写作/编辑过程中使用 AI 工具，而不是作为研究过程的一部分使用 AI 工具从数据中分析和提取见解。

目前还没有，但我们已经在探索如何让用户以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，以了解扩展该工具的语言功能如何使他们受益。