Merge pull request #2 from CCCBora/citation

app.py

@@ -100,7 +100,9 @@ with gr.Blocks(theme=theme) as demo:
     本Demo提供对[Auto-Draft](https://github.com/CCCBora/auto-draft)的auto_draft功能的测试。通过输入想要生成的论文名称（比如Playing atari with deep reinforcement learning)，即可由AI辅助生成论文模板.    
     
     ***2023-05-03 Update***: 在公开版本中为大家提供了输入OpenAI API Key的地址, 如果有GPT-4的API KEY的话可以在这里体验! 
+    
     在这个Huggingface Organization里也提供一定额度的免费体验： [AUTO-ACADEMIC](https://huggingface.co/organizations/auto-academic/share/HPjgazDSlkwLNCWKiAiZoYtXaJIatkWDYM).
+    
     如果有更多想法和建议欢迎加入QQ群里交流, 如果我在Space里更新了Key我会第一时间通知大家. 群号: ***249738228***.  
     
     ## 用法

utils/prompts.py

@@ -53,9 +53,14 @@ def generate_paper_prompts(paper_info, section):
 
     fundamental_subprompt = f"I am writing a machine learning paper with the title '{title}'. {description}\n"
     instruction_subprompt = f"You need to write the {section} section. {INSTRUCTIONS[section]}\n"
+    # references_subprompt = f"Please read the following references: \n{references}\n"\
+    #                         f"Every time you use information from the references, you need to cite its id after the sentence; " \
+    #                        f"for example, the sentence where you use information from 1905.09788 \cite{{1905.09788}}. " \
+    #                        f"Please avoid citing the same reference in the same paragraph. \n"
     references_subprompt = f"Please read the following references: \n{references}\n"\
-                            f"Every time you use information from the references, you need to cite its id after the sentence; " \
-                           f"for example, the sentence where you use information from 1905.09788 \cite{{1905.09788}}. " \
+                            f"Every time you use information from the references, you need to appropriately cite it (using \citep or \citet)." \
+                           f"For example of \citep, the sentence where you use information from lei2022adaptive \citep{{lei2022adaptive}}. " \
+                           f"For example of \citet, \citet{{lei2022adaptive}} claims some information. \n" \
                            f"Please avoid citing the same reference in the same paragraph. \n"
     self_subprompt = f"Here is the paper that I have written: {paper}.\n"
     output_subprompt = r"Put your response (do not include \section{...}) in the following Python script:" \

utils/references.py

@@ -9,9 +9,9 @@ import requests
 import re
 
 
-#########################################################
+######################################################################################################################
 # Some basic tools
-#########################################################
+######################################################################################################################
 def remove_newlines(serie):
     serie = serie.replace('\n', ' ')
     serie = serie.replace('\\n', ' ')
@@ -20,9 +20,9 @@ def remove_newlines(serie):
     return serie
 
 
-#########################################################
+######################################################################################################################
 # Semantic Scholar (SS) API
-#########################################################
+######################################################################################################################
 def ss_search(keywords, limit=20, fields=None):
     # space between the  query to be removed and replaced with +
     if fields is None:
@@ -69,7 +69,12 @@ def _collect_papers_ss(keyword, counts=3, tldr=False):
         authors = [author['name'] for author in raw_authors]
 
         authors_str = " and ".join(authors)
-        last_name = authors[0].split()[-1]
+        try:
+            last_name = authors[0].split()[-1]
+        except:
+            last_name = "ma"
+        # pattern = r'^\w+'
+        # last_name = re.findall(pattern, authors[0])
         return authors_str, last_name
 
     def parse_search_results(search_results_ss):
@@ -113,9 +118,9 @@ def _collect_papers_ss(keyword, counts=3, tldr=False):
     return results
 
 
-#########################################################
+######################################################################################################################
 # ArXiv API
-#########################################################
+######################################################################################################################
 def _collect_papers_arxiv(keyword, counts=3, tldr=False):
     # Build the arXiv API query URL with the given keyword and other parameters
     def build_query_url(keyword, results_limit=3, sort_by="relevance", sort_order="descending"):
@@ -183,9 +188,9 @@ def _collect_papers_arxiv(keyword, counts=3, tldr=False):
     return results
 
 
-#########################################################
+######################################################################################################################
 # References Class
-#########################################################
+######################################################################################################################
 
 # Each `paper` is a dictionary containing (1) paper_id (2) title (3) authors (4) year (5) link (6) abstract (7) journal
 class References: