Tổng quan tài liệu có bằng chứng dành cho nhà nghiên cứudành cho người phản biệndành cho luận văndành cho đề xuất đề tài
LitReview tìm, sàng lọc và đọc toàn văn từng bài theo tiêu chí bạn duyệt. Mỗi nhận định trong bản tổng quan đều dẫn về câu trích nguyên văn đã được kiểm, nhờ đó bạn biết chủ đề đáng đầu tư đến đâu trước khi đọc hết.
Thử với
Nhấn Enter để mở không gian làm việc với chủ đề này.
Xem lại một phiên tìm kiếm thật
Đồ thị dưới đây phát lại một lượt chạy thật của hệ thống, với bài báo và câu trích thật. Chạm vào đồ thị để xem ngang, rồi chạm vào một cột, một truy vấn hay một bài để xem chi tiết.Đồ thị dưới đây phát lại các sự kiện ghi từ một lượt chạy thật của hệ thống, với bài báo và câu trích thật. Di chuột lên một chấm để biết đó là bài nào, bấm vào một cột, một truy vấn hay một bài để xem chi tiết.
Một lượt chạy thật: từ 615 bài còn 20 bài đáng đọc
Đây là đề tài trong phần xem lại phía trên. Mỗi tầng loại những bài không đáp ứng tiêu chí, và trong không gian làm việc bạn xem được lý do ở từng tầng.
Tìm thấy qua truy vấn và trích dẫn
615
Được chấm theo từng tiêu chí
615
Phù hợp hoặc rất phù hợp
59
Được chọn sau khi đọc toàn văn
20
Câu trích được mã nguồn đối chiếu lại
Trong các lượt chạy kiểm thử, tác tử đọc toàn văn đưa ra 1.191 câu trích làm bằng chứng. Mã nguồn tìm lại từng câu trong bài gốc: 1.114 câu khớp nguyên văn, 77 câu không khớp bị gạt khỏi bằng chứng và không được dùng trong bản tổng quan.
1.114 câu khớp nguyên văn77 câu bị gạt
Đo ngày 1/10/2026 trên SPARBench, RealScholarQuery và các phiên tổng quan trên sản phẩm. Đây là số đo kiểm tra, không phải cam kết chất lượng tìm bài.
Bốn bước từ một đoạn mô tả đến bản tổng quan có thể kiểm chứng
GNN molecular property
50%
self-supervised pretraining
30%
evaluated on MoleculeNet
20%
1+98
2+83
3+59
4+66
5+66
6+38
7+46
8+39
Rất phù hợp
5
Phù hợp
54
Có thể phù hợp
225
Không phù hợp
331
10 truy vấn và bước lần theo trích dẫn đưa về 615 bài ứng viên, mỗi bài được chấm theo bốn mức phù hợp.
Self-supervised Graph-level Representation Learning with Local and Global Structure
International Conference on Machine Learning, 2021
“the Graph Isomorphism Network (GIN) (Xu et al., 2019) pre-trained by the proposed method outperforms the previous self-supervised graph representation learning approaches on six of eight downstream tasks of chemistry domain”
Geometry-aware line-graph and multi-view methods explicitly encode topological and geometric information during pre-training and evaluate these models on multiple MoleculeNet benchmarks123.
Mỗi nhận định đều truy được về câu gốc
Rê chuột hoặc chạm vào số tham chiếu để xem câu trích nguyên văn mà nhận định dựa vào.
Một số nghiên cứu tiền huấn luyện mạng nơ ron đồ thị đồng thời trên cấu trúc hai chiều và ba chiều của phân tử trong một khung tự giám sát.
Hệ thống chỉ trích dẫn những bài đã thực sự tìm thấy. Danh mục tham khảo do mã nguồn dựng từ kết quả tìm kiếm chứ không do mô hình tự viết.
Bạn duyệt bộ tiêu chí trước khi hệ thống tìm và duyệt danh sách bài trước khi hệ thống viết. Những bài chỉ đọc được phần tóm tắt được xếp vào nhóm cần xem lại.
Chi phí dự kiến được hiển thị trước khi chạy và chi phí thực tế được cập nhật trong suốt quá trình. Khi dữ liệu chưa đủ, hệ thống báo rõ thay vì suy diễn.
Kiểm tra repo trước khi thuê GPU
Dán link arXiv, link GitHub hoặc cả hai. LitReview đọc paper và code ở đúng một commit, rồi chỉ ra repo còn thiếu gì để chạy lại kết quả và thiếu ở đâu, trước khi bạn bỏ ra vài ngày công và tiền thuê máy.
Hệ thống không chạy code của repo và không viết code thay bạn. Giá ước tính hiện ra trước khi bạn xác nhận đánh giá đầy đủ.