AI Paper Comparator / AI 论文查重系统

选择语言 / Choose language:

• 中文说明
• English

本项目包含 FastAPI 后端与 Next.js 前端，用于语义级论文/文档查重。前端已内置中英文切换（主页与报告页右上角）。

中文说明

功能亮点

• Top-Down 对比：按研究目标、方法、数据集等维度的宏观语义对比。
• Bottom-Up 逐段匹配：段落向量检索 + LLM 片段判定，输出疑似抄袭片段。
• 掩码鲁棒性测试：随机 Mask 文本后复检，评估命中稳健性。
• 可视化报告：整体相似度、段落统计、掩码测试、AI 最终判定与详细匹配列表。

目录结构

backend/      FastAPI 服务、向量库、LLM 对比
frontend/     Next.js 16 (App Router) 前端
app.db        默认 SQLite 文件
chroma_db/    Chroma 持久化目录（运行时生成）
uploads/      上传文件目录（运行时生成）
.env.template 环境变量模板

快速开始

python -m venv venv
.\venv\Scripts\activate   # Windows PowerShell

1) 后端

cd backend
pip install -r requirements.txt
cp ../env.template .env   # 或手动创建 .env，至少包含 OPENAI_API_KEY
uvicorn main:app --reload --host 127.0.0.1 --port 8000

关键环境变量（可写入 .env）：

• OPENAI_API_KEY（必填）
• OPENAI_MODEL 默认 gpt-4o-mini
• 查重/掩码参数：SIM_THRESHOLD_EXACT(0.1) SIM_THRESHOLD_SUSPICIOUS(0.4) CHUNK_SIZE(500) CHUNK_OVERLAP(100) MASK_RUNS(3) MASK_RATIO(0.5)

2) 前端

cd frontend
npm install
npm run dev -- --hostname 127.0.0.1 --port 3000

前端默认调用 http://127.0.0.1:8000/api，若后端地址变更，请修改 frontend/lib/api.ts 中的 API_BASE。

使用流程

1. 打开 http://localhost:3000，选择界面语言（中文/English）。
2. 上传基准文档与待查文档（PDF）。
3. 等待后端解析后点击“开始语义分析”，跳转报告页 /report/{task_id}。
4. 报告页可查看整体相似度、掩码鲁棒性、AI 判定以及疑似片段对照。

调参与扩展

• 想降低误报：提高 SIM_THRESHOLD_SUSPICIOUS 或减少 MASK_RUNS。
• 想加快速度：降低掩码次数或关闭掩码（MASK_RUNS=0）。
• 更换模型/代理：设置 OPENAI_MODEL 或 OPENAI_BASE_URL（OpenAI SDK 兼容）。

常见问题

• 启动报错 OPENAI_API_KEY is not set：确认 .env 路径正确，或在 shell 中先 set OPENAI_API_KEY=...。
• 前端空白：确认后端 8000 端口可访问，或更新 API_BASE。
• 数据库损坏：删除 app.db 后重启（将清空历史数据）。

免责声明

仅供内部实验与演示，未附开源许可，请勿用于生产环境。

English

Highlights

• Top-down comparison across goals, methods, datasets, and findings.
• Bottom-up retrieval: chunk-level vector search + LLM judgment for suspicious passages.
• Mask robustness test to gauge stability of similarities.
• Rich report UI: overall similarity, chunk stats, mask results, AI verdict, and detailed matches.

Project Layout

backend/      FastAPI service, vector DB, LLM comparison
frontend/     Next.js 16 (App Router) UI
app.db        Default SQLite file
chroma_db/    Chroma persistence (generated at runtime)
uploads/      Uploaded files (generated at runtime)
.env.template Env template

Quick Start

python -m venv venv
.\venv\Scripts\activate   # Windows PowerShell

1) Backend

cd backend
pip install -r requirements.txt
cp ../env.template .env   # or create .env with at least OPENAI_API_KEY
uvicorn main:app --reload --host 127.0.0.1 --port 8000

Key env vars (put in .env if needed):

• OPENAI_API_KEY (required)
• OPENAI_MODEL default gpt-4o-mini
• Thresholds & masking: SIM_THRESHOLD_EXACT(0.1) SIM_THRESHOLD_SUSPICIOUS(0.4) CHUNK_SIZE(500) CHUNK_OVERLAP(100) MASK_RUNS(3) MASK_RATIO(0.5)

2) Frontend

cd frontend
npm install
npm run dev -- --hostname 127.0.0.1 --port 3000

The UI calls http://127.0.0.1:8000/api by default; update frontend/lib/api.ts if your backend host/port changes.

Usage

1. Visit http://localhost:3000 and pick the UI language (中文/English).
2. Upload the reference (Original) PDF and the suspect PDF.
3. After parsing, click “Start similarity analysis” to jump to /report/{task_id}.
4. Review overall score, mask robustness, AI verdict, and suspicious passages.

Tuning

• Reduce false positives: raise SIM_THRESHOLD_SUSPICIOUS or lower MASK_RUNS.
• Speed up: decrease mask runs or disable masking with MASK_RUNS=0.
• Swap model/proxy: set OPENAI_MODEL or OPENAI_BASE_URL (OpenAI SDK compatible).

FAQ

• OPENAI_API_KEY is not set: ensure .env is loaded or export the variable in your shell.
• Blank frontend: confirm backend 8000 is reachable or update API_BASE.
• Corrupted DB: delete app.db and restart (history will be cleared).

Note

The UI includes a language toggle (top right on both home and report pages) so users can switch between Chinese and English at any time.