AutoPatent：面向自动专利生成的多智能体框架
计算与语言
2024-12-16 v1 人工智能
摘要
随着大型语言模型（LLM）能力的不断提升，专利处理领域在自然语言处理社区中受到越来越多的关注。然而，大多数研究集中于分类任务，如专利分类和专利审查，或是短文本生成任务，如专利摘要和专利测验。在本文中，我们提出了一种新颖且实际的任务——Draft2Patent（D2P），并构建了相应的D2P基准数据集，该数据集挑战LLM基于初始草稿生成平均为1.7万字的完整专利文档。由于专利具有专业性强、术语标准化、篇幅冗长等特点，对LLM构成了重大挑战。我们提出了一种多智能体框架AutoPatent，利用基于LLM的计划智能体、写作智能体和审阅智能体，结合PGTree和RRAG技术，生成长度、结构复杂且高质量的完整专利文件。实验结果表明，AutoPatent框架显著提升了各类LLM生成完整专利的能力。此外，我们发现仅使用AutoPatent框架基于Qwen2.5-7B模型生成的专利，在客观指标和人类评估方面均优于更大规模且功能更强的LLM，如GPT-4o、Qwen2.5-72B和LLAMA3.1-70B。我们将在论文被接受后公开数据和代码，地址为\url{https://github.com/QiYao-Wang/AutoPatent}。
关键词
引用
@article{arxiv.2412.09796,
title = {AutoPatent: A Multi-Agent Framework for Automatic Patent Generation},
author = {Qiyao Wang and Shiwen Ni and Huaren Liu and Shule Lu and Guhong Chen and Xi Feng and Chi Wei and Qiang Qu and Hamid Alinejad-Rokny and Yuan Lin and Min Yang},
journal= {arXiv preprint arXiv:2412.09796},
year = {2024}
}
备注
19 pages, 7 figures