基于迭代工作流程的深度文献调研自动化

自动化文献调研生成引发了日益关注的注意，但大多数现有系统遵循一次性范式，即一次性检索大量论文并在撰写前生成静态提纲。这种设计常导致检索噪声、结构碎片化和上下文过载，最终限制了调研质量。灵感来自人类研究者的迭代阅读过程，我们提出\ours框架，基于反复的提纲生成，在该框架中，规划代理逐步检索、阅读并更新提纲，以确保探索性和连贯性。为提供可靠的论文级别依据，我们设计了论文卡片，将每篇论文浓缩为其贡献、方法和发现，并引入带可视化增强的审阅-精炼循环，以提高文本流畅度并整合图表等多模态元素。在已建立和新兴主题上的实验表明，\ours在内容覆盖、结构连贯性和引文质量方面显著优于最先进的基线，同时生成更易访问和更有组织的调研。为更可靠地评估这些改进，我们进一步引入Survey-Arena，一个两两基准测试，补充绝对评分，更清晰地定位机器生成的调研相对于人类编写的调研。代码可在 https://github.com/HancCui/IterSurvey_Autosurveyv2 查阅。