在学术研究的征程中，论文搜索一直是不可或缺的一环。近期推出的 arXiv Xplorer 网站为解决这一难题提供了全新的可能性。这个强大的工具专门用于对 arXiv 上的论文进行语义搜索，让用户能够轻松找到最相关的研究成果。

arXiv Xplorer 的内部算法采用了 OpenAI 最新的嵌入模型，为用户提供高效的搜索查询体验。该项目的作者深受 OpenAI 新嵌入 API 的启发，投入了数天时间构建这个令人印象深刻的工具，其中 80% 的用户界面由 ChatGPT 编写。存储向量数据库的选择是 pinecone，而查询和查找则由 googlecloud 函数执行。

想要深入了解嵌入模型的相关内容，请查看 OpenAI的博客。

强大的搜索功能

借助 arXiv Xplorer，即使面对模糊的描述，例如输入「有趣的 ML 论文」，该引擎也能精准地为你完成搜索。相比传统搜索工具，如谷歌或 arXiv 自身的搜索，这个工具似乎更胜一筹，能够帮助用户发现以前从未见过的有趣论文。

直接搜索论文链接

使用这个工具，你可以通过粘贴 arXiv 论文的 URL 直接搜索相似论文。例如，输入论文《A Generalist Agent》的地址，系统将显示相似度为 100% 的搜索结果，其他相关论文按得分依次展开。

细致的论文信息

点击搜索结果中的小三角，界面将呈现论文参与者和摘要。此外，还有两个功能：「More Like This」将显示更多相似论文；「View」则链接到论文在 arXiv 的主页。

成本与技术解析

针对 OpenAI 的嵌入技术，项目作者透露了一些信息。嵌入所有 CS 类别论文（约 50 万篇）需要支付 40 美元。网友们对技术进行了深入的提问，包括网站是否嵌入了所有 arXiv 的标题。作者回应称，确实嵌入了所有论文的标题和摘要，并利用 pinecone 进行余弦相似度和排序，使整个过程变得异常简单。

用户建议与未来展望

网友们对这一搜索工具的功能表达了好奇，并提出了一些建议。有人建议增加按发布日期查看和排序的功能，作者表示会在未来不断优化，争取实现更加完善的功能。

总体而言，arXiv Xplorer 的出现为学术界提供了一个强大而便捷的工具，让研究者能够更轻松地发现和获取所需的论文信息。希望在未来，这个工具能够不断演进，为用户提供更加全面的学术支持。