Extraia e recupere artigos acadêmicos do arXiv focados em IA e ciência da computação Acesse informações essenciais como títulos autores resumos completos links PDF e categorias de pesquisa para aprimorar seus fluxos de trabalho de pesquisa
Executar no Postman
[
{
"arxivId": "2409.01000",
"title": "Scalable Transformer Reasoning and Autonomous Agent Orchestration in High-Throughput Environments",
"authors": [
"Dr. Alan Vance",
"Elena Rostova",
"K. Takahashi"
],
"abstract": "We introduce a novel paradigm for real-time agentic reasoning, optimizing latency and parameter memory efficiency across heterogeneous LLM topologies.",
"categories": [
"cat:cs.AI",
"cs.LG",
"cs.CL"
],
"publishedDate": "2026-09-24",
"pdfUrl": "https://arxiv.org/pdf/2409.01000.pdf",
"doi": "10.48550/arXiv.2409.01000"
},
{
"arxivId": "2409.01001",
"title": "Scalable Transformer Reasoning and Autonomous Agent Orchestration in High-Throughput Environments",
"authors": [
"Dr. Alan Vance",
"Elena Rostova",
"K. Takahashi"
],
"abstract": "We introduce a novel paradigm for real-time agentic reasoning, optimizing latency and parameter memory efficiency across heterogeneous LLM topologies.",
"categories": [
"cat:cs.AI",
"cs.LG",
"cs.CL"
],
"publishedDate": "2026-09-24",
"pdfUrl": "https://arxiv.org/pdf/2409.01001.pdf",
"doi": "10.48550/arXiv.2409.01001"
},
{
"arxivId": "2409.01002",
"title": "Scalable Transformer Reasoning and Autonomous Agent Orchestration in High-Throughput Environments",
"authors": [
"Dr. Alan Vance",
"Elena Rostova",
"K. Takahashi"
],
"abstract": "We introduce a novel paradigm for real-time agentic reasoning, optimizing latency and parameter memory efficiency across heterogeneous LLM topologies.",
"categories": [
"cat:cs.AI",
"cs.LG",
"cs.CL"
],
"publishedDate": "2026-09-24",
"pdfUrl": "https://arxiv.org/pdf/2409.01002.pdf",
"doi": "10.48550/arXiv.2409.01002"
},
{
"arxivId": "2409.01003",
"title": "Scalable Transformer Reasoning and Autonomous Agent Orchestration in High-Throughput Environments",
"authors": [
"Dr. Alan Vance",
"Elena Rostova",
"K. Takahashi"
],
"abstract": "We introduce a novel paradigm for real-time agentic reasoning, optimizing latency and parameter memory efficiency across heterogeneous LLM topologies.",
"categories": [
"cat:cs.AI",
"cs.LG",
"cs.CL"
],
"publishedDate": "2026-09-24",
"pdfUrl": "https://arxiv.org/pdf/2409.01003.pdf",
"doi": "10.48550/arXiv.2409.01003"
},
{
"arxivId": "2409.01004",
"title": "Scalable Transformer Reasoning and Autonomous Agent Orchestration in High-Throughput Environments",
"authors": [
"Dr. Alan Vance",
"Elena Rostova",
"K. Takahashi"
],
"abstract": "We introduce a novel paradigm for real-time agentic reasoning, optimizing latency and parameter memory efficiency across heterogeneous LLM topologies.",
"categories": [
"cat:cs.AI",
"cs.LG",
"cs.CL"
],
"publishedDate": "2026-09-24",
"pdfUrl": "https://arxiv.org/pdf/2409.01004.pdf",
"doi": "10.48550/arXiv.2409.01004"
},
{
"arxivId": "2409.01005",
"title": "Scalable Transformer Reasoning and Autonomous Agent Orchestration in High-Throughput Environments",
"authors": [
"Dr. Alan Vance",
"Elena Rostova",
"K. Takahashi"
],
"abstract": "We introduce a novel paradigm for real-time agentic reasoning, optimizing latency and parameter memory efficiency across heterogeneous LLM topologies.",
"categories": [
"cat:cs.AI",
"cs.LG",
"cs.CL"
],
"publishedDate": "2026-09-24",
"pdfUrl": "https://arxiv.org/pdf/2409.01005.pdf",
"doi": "10.48550/arXiv.2409.01005"
},
{
"arxivId": "2409.01006",
"title": "Scalable Transformer Reasoning and Autonomous Agent Orchestration in High-Throughput Environments",
"authors": [
"Dr. Alan Vance",
"Elena Rostova",
"K. Takahashi"
],
"abstract": "We introduce a novel paradigm for real-time agentic reasoning, optimizing latency and parameter memory efficiency across heterogeneous LLM topologies.",
"categories": [
"cat:cs.AI",
"cs.LG",
"cs.CL"
],
"publishedDate": "2026-09-24",
"pdfUrl": "https://arxiv.org/pdf/2409.01006.pdf",
"doi": "10.48550/arXiv.2409.01006"
},
{
"arxivId": "2409.01007",
"title": "Scalable Transformer Reasoning and Autonomous Agent Orchestration in High-Throughput Environments",
"authors": [
"Dr. Alan Vance",
"Elena Rostova",
"K. Takahashi"
],
"abstract": "We introduce a novel paradigm for real-time agentic reasoning, optimizing latency and parameter memory efficiency across heterogeneous LLM topologies.",
"categories": [
"cat:cs.AI",
"cs.LG",
"cs.CL"
],
"publishedDate": "2026-09-24",
"pdfUrl": "https://arxiv.org/pdf/2409.01007.pdf",
"doi": "10.48550/arXiv.2409.01007"
},
{
"arxivId": "2409.01008",
"title": "Scalable Transformer Reasoning and Autonomous Agent Orchestration in High-Throughput Environments",
"authors": [
"Dr. Alan Vance",
"Elena Rostova",
"K. Takahashi"
],
"abstract": "We introduce a novel paradigm for real-time agentic reasoning, optimizing latency and parameter memory efficiency across heterogeneous LLM topologies.",
"categories": [
"cat:cs.AI",
"cs.LG",
"cs.CL"
],
"publishedDate": "2026-09-24",
"pdfUrl": "https://arxiv.org/pdf/2409.01008.pdf",
"doi": "10.48550/arXiv.2409.01008"
},
{
"arxivId": "2409.01009",
"title": "Scalable Transformer Reasoning and Autonomous Agent Orchestration in High-Throughput Environments",
"authors": [
"Dr. Alan Vance",
"Elena Rostova",
"K. Takahashi"
],
"abstract": "We introduce a novel paradigm for real-time agentic reasoning, optimizing latency and parameter memory efficiency across heterogeneous LLM topologies.",
"categories": [
"cat:cs.AI",
"cs.LG",
"cs.CL"
],
"publishedDate": "2026-09-24",
"pdfUrl": "https://arxiv.org/pdf/2409.01009.pdf",
"doi": "10.48550/arXiv.2409.01009"
},
{
"arxivId": "2409.01010",
"title": "Scalable Transformer Reasoning and Autonomous Agent Orchestration in High-Throughput Environments",
"authors": [
"Dr. Alan Vance",
"Elena Rostova",
"K. Takahashi"
],
"abstract": "We introduce a novel paradigm for real-time agentic reasoning, optimizing latency and parameter memory efficiency across heterogeneous LLM topologies.",
"categories": [
"cat:cs.AI",
"cs.LG",
"cs.CL"
],
"publishedDate": "2026-09-24",
"pdfUrl": "https://arxiv.org/pdf/2409.01010.pdf",
"doi": "10.48550/arXiv.2409.01010"
},
{
"arxivId": "2409.01011",
"title": "Scalable Transformer Reasoning and Autonomous Agent Orchestration in High-Throughput Environments",
"authors": [
"Dr. Alan Vance",
"Elena Rostova",
"K. Takahashi"
],
"abstract": "We introduce a novel paradigm for real-time agentic reasoning, optimizing latency and parameter memory efficiency across heterogeneous LLM topologies.",
"categories": [
"cat:cs.AI",
"cs.LG",
"cs.CL"
],
"publishedDate": "2026-09-24",
"pdfUrl": "https://arxiv.org/pdf/2409.01011.pdf",
"doi": "10.48550/arXiv.2409.01011"
},
{
"arxivId": "2409.01012",
"title": "Scalable Transformer Reasoning and Autonomous Agent Orchestration in High-Throughput Environments",
"authors": [
"Dr. Alan Vance",
"Elena Rostova",
"K. Takahashi"
],
"abstract": "We introduce a novel paradigm for real-time agentic reasoning, optimizing latency and parameter memory efficiency across heterogeneous LLM topologies.",
"categories": [
"cat:cs.AI",
"cs.LG",
"cs.CL"
],
"publishedDate": "2026-09-24",
"pdfUrl": "https://arxiv.org/pdf/2409.01012.pdf",
"doi": "10.48550/arXiv.2409.01012"
},
{
"arxivId": "2409.01013",
"title": "Scalable Transformer Reasoning and Autonomous Agent Orchestration in High-Throughput Environments",
"authors": [
"Dr. Alan Vance",
"Elena Rostova",
"K. Takahashi"
]
},
{
"_note": "Response truncated for documentation purposes"
}
]
curl --location --request POST 'https://zylalabs.com/api/14132/arxiv+ai+and+computer+science+research+paper+extractor+api/34974/execute+arxiv+ai+and+computer+science+research+paper+extractor+api' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{"searchQuery":"cat:cs.AI","maxResults":30}'
Após se cadastrar, cada desenvolvedor recebe uma chave de acesso à API pessoal, uma combinação única de letras e dígitos para acessar nosso endpoint de API. Para autenticar com a Extrator de Artigos de Pesquisa em IA e Ciência da Computação do arXiv API basta incluir seu token Bearer no cabeçalho Authorization.
| Cabeçalho | Descrição |
|---|---|
Authorization
|
Obrigatório
Deve ser Bearer access_key. Veja "Sua chave de acesso à API" acima quando você estiver inscrito.
|
Sem compromisso de longo prazo. Faça upgrade, downgrade ou cancele a qualquer momento. O teste gratuito inclui até 50 requisições.
(Economize 2 meses com cobrança anual 🎉)
Extraia e recupere artigos acadêmicos do arXiv focados em IA e ciência da computação Acesse informações essenciais como títulos autores resumos completos links PDF e categorias de pesquisa para aprimorar seus fluxos de trabalho de pesquisa
O endpoint retorna dados estruturados para artigos acadêmicos do arXiv, incluindo títulos, autores, resumos, datas de publicação, categorias, links para PDFs e DOIs. Essas informações são essenciais para pesquisadores e desenvolvedores em IA e ciência da computação
Os campos principais na resposta incluem "arxivId" (identificador) "title" (título do artigo) "authors" (lista de autores) "abstract" (resumo) "publishedDate" (data de publicação) "categories" (categorias de pesquisa) "pdfUrl" (link para o PDF) e "doi" (identificador de objeto digital)
Os dados da resposta estão organizados como um array JSON de objetos onde cada objeto representa um artigo Cada objeto contém pares de chave-valor para os detalhes do artigo facilitando a análise e utilização em aplicações
O endpoint fornece informações como o título do artigo, autores, resumo, data de publicação, categorias de pesquisa, link para PDF e DOI. Esses dados abrangentes apoiam diversas necessidades de pesquisa e acadêmicas
Os usuários podem personalizar seus pedidos especificando o identificador do artigo do arXiv (por exemplo, arXiv:XXXX.XXXXX) na chamada da API. Isso permite a recuperação de artigos específicos com base em seus identificadores únicos
Casos de uso típicos incluem integrar a API em ferramentas de busca acadêmica automatizar revisões de literatura e apoiar plataformas educacionais que agregam e analisam resultados de pesquisa em IA e ciência da computação
A precisão dos dados é mantida por meio da obtenção de informações diretamente do repositório arXiv que é uma plataforma respeitável para artigos acadêmicos Atualizações regulares e verificações garantem que as informações permaneçam atuais e confiáveis
Se a API retornar resultados parciais ou vazios os usuários devem verificar o identificador arXiv utilizado na solicitação Além disso implementar o tratamento de erros na aplicação pode ajudar a gerenciar esses cenários de forma eficaz
