利用大型语言模型进行比较文献综述生成：反思性增量机制
计算与语言
2024-12-04 v1 信息检索
摘要
本文介绍了ChatCite，这是一种利用大型语言模型（LLM）生成比较文献综述的新方法。能够专注于研究论文间关键比较的综述生成是学术研究中的重要任务。虽然现有综述模型在生成简洁综述方面有效，但未能提供深入的比较洞见。ChatCite通过纳入多步骤推理机制，从论文中提取关键要素，逐步构建比较综述，并通过反思记忆过程不断优化输出，来克服这一局限。我们在自定义数据集CompLit-LongContext上对ChatCite进行评估，该数据集包含1000篇带有标注比较综述的研究论文。实验结果表明，ChatCite在各种自动评估指标上（包括ROUGE和新提出的G-Score）均优于包括GPT-4、BART、T5和CoT在内的多种基准方法。人类评估进一步确认，ChatCite生成的综述在连贯性、洞察性和流畅性方面均优于这些基准模型。我们的方法在自动化文献综述生成领域取得了显著进展，为研究人员提供了一个高效比较和综合科学研究的强大工具。
引用
@article{arxiv.2412.02149,
title = {Leveraging Large Language Models for Comparative Literature Summarization with Reflective Incremental Mechanisms},
author = {Fernando Gabriela Garcia and Spencer Burns and Harrison Fuller},
journal= {arXiv preprint arXiv:2412.02149},
year = {2024}
}
备注
8 pages