الانتقال إلى المحتوى الرئيسي

موجز الأوراق البحثية

يحتفظ Champollion بموجز منسّق من الأوراق البحثية في مجالي الترجمة الآلية ومعالجة اللغات الطبيعية (NLP) من arXiv، تتم تصفيتها وتلخيصها للممارسين. الموجز شبه آلي: تُجلب الأوراق وتُصفّى يوميًا، وتُلخَّص بالذكاء الاصطناعي، وتُنشر على الموقع الإلكتروني.

لماذا يوجد هذا الموجز​

بُني خط أنابيب الترجمة في champollion على تقنيات مستمدة من أبحاث منشورة — التوجيه الموجَّه بالسجل اللغوي، وحقن بيانات التدريب، وترحيل السياق، وبوابات الجودة. يخدم موجز الأوراق ثلاثة أغراض:

  1. الشفافية: يمكن للمستخدمين الاطلاع على الأبحاث التي تدعم كل ميزة
  2. الاستكشاف: قد تُلهم التقنيات الجديدة المنشورة على arXiv ميزات مستقبلية أو إعدادات للمستخدمين
  3. المجتمع: يقدّم champollion كأداة مبنية على الأبحاث، وليس مجرد غلاف آخر لواجهة برمجة تطبيقات

البنية المعمارية​

خطوات خط الأنابيب​

1. الجلب (يوميًا)​

يستعلم scripts/fetch-papers.js من واجهة arXiv Atom API عن الأوراق الحديثة في:

  • cs.CL (الحوسبة واللغة)
  • cs.AI (الذكاء الاصطناعي)

يعيد: العنوان، والمؤلفين، والملخص، ومعرّف arXiv، ورابط PDF، وتاريخ النشر، والفئات.

2. التصفية​

تُصفّى الأوراق وفقًا لمدى صلة الكلمات المفتاحية. يجب أن تطابق الورقة كلمة مفتاحية أساسية واحدة على الأقل:

الكلمات المفتاحية الأساسية (يجب مطابقة ≥1):

  • machine translation، neural machine translation، NMT
  • LLM، large language model
  • multilingual، cross-lingual
  • document-level translation
  • low-resource language، endangered language
  • translation evaluation، BLEU، COMET، chrF
  • tokenization، morphology، polysynthetic
  • context window، sliding window
  • prompt engineering (في سياق الترجمة)

الكلمات المفتاحية المعزِّزة (ترفع درجة الصلة):

  • i18n، internationalization، localization
  • few-shot، in-context learning
  • terminology، glossary، consistency
  • quality estimation، hallucination

3. التلخيص (بمساعدة الذكاء الاصطناعي)​

يعالج scripts/summarize-papers.js الأوراق الجديدة (غير الملخَّصة):

لكل ورقة، يُرسل الملخص إلى Gemini 3.5 Flash مع:

Read this ML research abstract and produce:
1. A 2-sentence TL;DR accessible to a software developer (not a researcher)
2. A single bullet: "Why this matters for MT" — how could this technique
   improve machine translation quality, cost, or speed in production?

Abstract: {abstract}

يُخزَّن الناتج مرة أخرى في papers.json إلى جانب البيانات الوصفية الخام.

4. النشر​

تعرض صفحة الأوراق في Docusaurus (website/src/pages/papers.js) محتوى papers.json على شكل شبكة بطاقات قابلة للتصفية ومقسَّمة إلى صفحات.

تعرض كل بطاقة:

  • العنوان (مرتبط بـ arXiv)
  • المؤلفين (أول 3 + "et al.")
  • التاريخ (تاريخ النشر أو آخر تحديث)
  • الملخص المختصر (TL;DR) (مولَّد بالذكاء الاصطناعي)
  • لماذا هي مهمة (مولَّد بالذكاء الاصطناعي)
  • الفئات (وسوم arXiv)
  • رابط PDF

الأتمتة​

يشغّل سير عمل GitHub Actions خط الأنابيب يوميًا:

.github/workflows/fetch-papers.yml
name: Fetch MT Research Papers
on:
  schedule:
    - cron: '0 6 * * *'  # 06:00 UTC daily
  workflow_dispatch: {}   # Manual trigger

jobs:
  fetch:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-node@v4
        with:
          node-version: 20
      - run: node scripts/fetch-papers.js
      - run: node scripts/summarize-papers.js
        env:
          GEMINI_API_KEY: ${{ secrets.GEMINI_API_KEY }}
      - name: Commit if changed
        run: |
          git config user.name "github-actions[bot]"
          git config user.email "github-actions[bot]@users.noreply.github.com"
          git add website/src/data/papers.json
          git diff --cached --quiet || git commit -m "chore: update research papers feed"
          git push

مخطط البيانات​

interface Paper {
  id: string;           // arXiv ID (e.g., "2406.12345")
  title: string;
  authors: string[];
  abstract: string;
  published: string;    // ISO date
  updated: string;      // ISO date
  pdfUrl: string;
  categories: string[];
  primaryCategory: string;

  // Computed by filter
  relevanceScore: number;
  matchedKeywords: string[];

  // Computed by summarizer (null until processed)
  tldr: string | null;
  whyItMatters: string | null;
  summarizedAt: string | null;
}

مواقع الملفات​

الملفالغرض
scripts/fetch-papers.jsجالب موجز arXiv RSS ومصفّي الكلمات المفتاحية
scripts/summarize-papers.jsالتلخيص بالذكاء الاصطناعي عبر Gemini
website/src/data/papers.jsonبيانات الأوراق (مودَعة في المستودع)
website/src/pages/papers.jsمكوّن صفحة Docusaurus
website/src/pages/papers.module.cssأنماط الصفحة
.github/workflows/fetch-papers.ymlالأتمتة اليومية

حالة التنفيذ​

الميزةالحالة
fetch-papers.js (جلب arXiv + التصفية)🔲 مخطَّط له
summarize-papers.js (الملخص بالذكاء الاصطناعي)🔲 مخطَّط له
صفحة الأوراق (مكوّن React)🔲 مخطَّط له
سير عمل GitHub Actions🔲 مخطَّط له
التصفية حسب الفئة/الكلمات المفتاحية في الصفحة🔲 مخطَّط له
تقسيم الصفحات🔲 مخطَّط له

انظر أيضًا​