FlowPlan-G2P：将科学论文转化为专利描述的结构化生成框架
计算与语言
2026-05-26 v4 人工智能
摘要
从科学论文生成专利描述具有挑战性，这源于两种体裁在修辞和结构上的根本性差异。现有方法将其视为表层改写，未能捕捉专利起草中固有的层次性推理和法律约束。我们提出 FlowPlan-G2P，一种图谱中介的生成框架，将该转换分解为三个阶段：（1）概念图诱导，从中提取技术实体和功能依赖关系构建有向图；（2）章节级规划，将图划分为与标准专利章节相匹配的连贯子图；（3）图条件生成，对特定章节的子图进行法律合规的段落综合。实验在经专家验证的基准数据集上进行，结果显示，标准 NLG 指标在系统上偏好合法性不合规的输出而非有效专利描述，这促使我们提出了领域特定的评估。在该评估下，FlowPlan-G2P 使用开放权重背板始终优于普通专有模型，表明结构化分解是质量的更强决定因，而非模型规模。
引用
@article{arxiv.2601.02589,
title = {FlowPlan-G2P: A Structured Generation Framework for Transforming Scientific Papers into Patent Descriptions},
author = {Kris W Pan and Yongmin Yoo},
journal= {arXiv preprint arXiv:2601.02589},
year = {2026}
}