利用参数化阶段令牌消除引言生成的智能体工作流
计算与语言
2026-01-16 v1 人工智能
摘要
近年来，使用预定义的智能体工作流来引导大语言模型（Large Language Models, LLMs）进行文献分类和综述已成为一个研究焦点。然而，撰写研究引言更具挑战性，它需要严密的逻辑、连贯的结构和抽象的总结能力。现有工作流常存在推理链过长、错误累积和文本连贯性降低等问题。为解决这些局限，我们提出消除外部智能体工作流，转而将其逻辑结构直接参数化到 LLM 中，从而允许在单次推理中生成完整的引言。为此，我们引入了用于引言生成的阶段令牌（Stage Token for Introduction Generation, STIG）。STIG 将原始工作流的多个阶段转换为显式的阶段信号，这些信号引导模型在生成过程中遵循不同的逻辑角色和功能。通过指令微调，模型学习阶段令牌与文本功能之间的映射，以及阶段间的逻辑顺序和过渡模式，并将这些知识编码到模型参数中。实验结果表明，STIG 能够在单次推理中生成多阶段文本，无需显式的工作流调用。在语义相似度和句子级结构合理性等指标上，STIG 优于传统的智能体工作流和其他基线方法。代码在补充材料中提供。
引用
@article{arxiv.2601.09728,
title = {Eliminating Agentic Workflow for Introduction Generation with Parametric Stage Tokens},
author = {Meicong Zhang and Tiancheng su and Guoxiu He},
journal= {arXiv preprint arXiv:2601.09728},
year = {2026}
}