基于文献综述的内容 grounding 信息检索的 LLM Agent——IntrAgent
信息检索
2026-04-28 v1 人工智能
机器学习
摘要
科学研究依赖于从文献中准确获取信息以支持分析决策。本 work 提出了一种新任务——INformation reTRieval through literAture reVIEW（IntraView），旨在自动化地以忠实于提供内容的方式响应研究驱动的查询进行细粒度信息检索，并提出 IntrAgent 一个 LLM-based Agent 以解决这一挑战性任务。具体而言，IntrAgent 旨在模拟人类阅读文献获取信息的行为——识别相关章节后不断提取关键细节以细化检索到的信息。它遵循两个阶段的管线：章节排序阶段通过结构知识启用推理优先排序相关文献章节，以及迭代阅读阶段持续提取细节并综合为简洁且具有上下文 grounding 的答案。为支持严格评估，我们引入 IntraBench，一个由 315 个测试实例构成的新基准，基于专家编写的问题与跨越五个 STEM 领域的文献配对。对于七个基础 LLM，IntrAgent 在跨域准确率上平均高出 SOTA RAG 和研究 Agent baseline 13.2%。
引用
@article{arxiv.2604.22861,
title = {IntrAgent: An LLM Agent for Content-Grounded Information Retrieval through Literature Review},
author = {Fengbo Ma and Zixin Rao and Xiaoting Li and Zhetao Chen and Hongyue Sun and Yiping Zhao and Xianyan Chen and Zhen Xiang},
journal= {arXiv preprint arXiv:2604.22861},
year = {2026}
}
备注
Accepted to ACL 2026 main conference