三人團隊打造的學術搜尋引擎，直接拿下SOTA！
號稱搜尋結果相關性平均比Google學術高5倍，能搜尋超1億個研究對象，還不依賴LLM。
更重要的是：免費，學生黨狂喜！
先來看一波使用效果，輸入搜尋關鍵字，只要350毫秒，「啪」得一下高度相關文獻就列出來了：
還能再一鍵篩選出可查看PDF的文件。
從年份、引用次數，到出版類型、具體期刊，都能設定一鍵過濾：
搜尋出來的論文，點選題目即可預覽，支援一鍵複製常見學術引用格式：
這個新搜尋引擎名叫Lumina，據說目前已處理了超30萬次查詢，支援24種語言。
為了和Google學術等傳統學術搜尋引擎做比較，開發團隊也專門搞了個基準測試，程式碼庫也已開源放了出來，測試結果Lumina搜尋結果的相關性拿下SOTA。
開發者發推文叫板谷歌：
我們三個人花幾個月就做出來了，比Google的好。
AI 3D類比引擎Ego聯合創辦人兼CTO、前Meta研究員看過後表示閉眼衝：
強烈推薦大家試試看。
還有不少學者表示好使：
搜尋相關性最高高11倍
如開頭所述，為了測試Lumina的效能，研究團隊開源了一個基準測試。
使用GPT-4作為“評判員”，重點比較了Lumina Base（基礎搜尋模式）、Lumina Recursive（遞歸搜尋模式）、Semantic Scholar和Google學術搜尋結果的相關性和精確度。
直接檢測評估了每個搜尋引擎的前10個搜尋結果，比較如下：
在基礎搜尋模式下（Lumina Base），Lumina搜尋結果的相關性比Google學術高4.8倍，比Semantic Scholar高8倍，評估基於生成的約2470個查詢資料集。
Lumina在遞歸搜尋模式下，搜尋結果相關性進一步提升，比Google學術高6.8倍，比Semantic Scholar高11.3倍，同樣基於2470個查詢資料集。
此外，Lumina在每次檢索中都能穩定提供2-3個高度相關結果，相較之下，Google學術只有50%的檢索能提供1個高度相關的結果，Semantic Scholar僅有30%的檢索能達到這一標準。
換句話說，Lumina可以找到原本很難找到的研究成果。
團隊也表示，使用Lumina API和一個簡單的遞歸腳本，可以讓相關性比Google學術高11倍，Lumina API即將發布。
除了基本的檢索，Lumina還提供AI概述功能。
例如用「機器學習」關鍵字搜索，它就會引用檢索出來的論文總結介紹機器學習：
點擊AI概述中有下劃線的關鍵字，就會觸發對該關鍵字的進一步檢索：
AI概述下方還有搜尋論文研究成果圖表的摘要：
三人團隊打造
Lumina背後是一個僅有三人的開發團隊，已獲YC投資。
共同創辦人兼CEO Mehul Chadda，大學部畢業於美國威斯康辛大學麥迪遜分校材料工程專業，前高精準度科學儀器公司CAMECA製造工程師，負責過原子探針研發工作。
共同創辦人兼CTO Akhilesh Sharma，大學部畢業於美國伊利諾大學香檳分校完成機械工程專業，之前是社群媒體平台Postpress的共同創辦人和技術主管，也曾擔任美國技術顧問公司Neudesic雲端技術相關顧問。
共同創辦人Ishaan Kapoor，加州大學洛杉磯分校統計學畢業，對深度學習、線性代數和大語言模型感興趣。
除了這次上新的學術搜尋引擎，之前團隊還做了一個AI論文解讀工具－Lumina-chat。
寫在文章最後，AI工具付費均可選擇國際虛擬信用卡。 NIUNIUCard平台就是一個專門提供開通國際虛擬信用卡的平台，有興趣的朋友可以加客服TG（@bullbull1999）諮詢了解。
