논문을 넘어: 연구자에게 실시간 웹 검색이 필요한 이유(그리고 PapersFlow가 이를 제공하는 방법)

학술 데이터베이스는 뉴스, 프리프린트, 코드 저장소, 업계 보고서를 놓칩니다. PapersFlow의 Exa 통합은 인용과 함께 전체 웹을 검색합니다.

학술 데이터베이스는 동료 심사를 거친 논문만 다룹니다. PapersFlow의 Exa 웹 검색은 뉴스, GitHub 저장소, 블로그 게시물, 프리프린트, 업계 보고서를 동일한 AI 연구 워크스페이스 안에서 찾아줍니다. Plus/Pro/Ultra에 포함됩니다(연간 결제 시 월 $20부터).

TL;DR: 학술 데이터베이스는 동료 심사를 거친 논문만 다룹니다. PapersFlow의 Exa 웹 검색은 뉴스, GitHub 저장소, 블로그 게시물, 프리프린트, 산업 보고서를 동일한 AI 연구 워크스페이스 안에서 찾아줍니다. Plus/Pro/Ultra에 포함되어 있습니다(연간 결제 시 월 $20부터). 지금 사용해 보기.

학술 연구는 진공 상태에서 이루어지지 않습니다. 대규모 언어 모델에 관한 논문은 배포상의 과제를 설명하는 산업 블로그 게시물의 맥락이 필요합니다. 정책 분석에는 최신 정부 제출 문서가 필요합니다. 머신러닝 연구는 누군가가 이미 GitHub에 PyTorch 구현을 공개했는지 확인해 보면 도움이 됩니다.

이 격차는 상당합니다. 2024년에는 주요 ML 학회(NeurIPS, ICML, ICLR)의 인용 중 50% 이상이 비저널 출처를 가리켰습니다. 여기에는 arXiv 프리프린트, GitHub 저장소, 기술 블로그 게시물, 워크숍 논문이 포함됩니다. AI 안전성, 기후 정책, 공중보건과 같은 분야에서는 비전통적 출처의 비율이 더 높습니다. 학술 데이터베이스에만 의존하는 연구자는 불완전한 그림을 바탕으로 연구하게 됩니다.

학술 데이터베이스가 지속적으로 놓치는 것은 다음과 같습니다: 연구 주제에 관한 속보 — 하룻밤 사이에 분야를 재편하는 정책 변화, 연구비 발표, 산업 동향 논문을 구현하고 실제로 무엇이 작동하는지(그리고 무엇이 작동하지 않는지)를 기록하는 실무자의 블로그 게시물과 튜토리얼 코드 구현, 데이터셋, 모델 가중치, 평가 스크립트가 포함된 GitHub 저장소 전통적인 학술지 밖에서 발표되는 DeepMind, OpenAI, Meta AI 같은 산업 연구소의 기업 보고서 및 백서 arXiv 또는 bioRxiv에 게시되었지만 아직 Semantic Scholar나 PubMed에 색인되지 않은 프리프린트 헬스테크, 핀테크, 규제 산업의 응용 연구와 관련된 재무 공시 및 규제 문서