LiRA：用于可靠且可读文献综述生成的多智能体框架
计算与语言
2026-03-23 v4
摘要
科学出版物的快速增长使得保持文献综述的 comprehensiveness 和及时性日益困难。虽然先前工作聚焦于自动化检索和筛选，但系统综述的写作阶段仍在很大程度上未被探索，尤其是关于可读性和事实准确性的问题。为此，我们提出了 LiRA (Literature Review Agents)，一个模仿人类文献综述过程的多智能体协作工作流程。LiRA 使用专用智能体进行内容概述、章节写作、编辑和审阅，产生连贯且全面的综述文章。在 SciReviewGen 和一个专有的 ScienceDirect 数据集上进行评估显示，LiRA 在写作和引用质量方面优于 AutoSurvey 和 MASS-Survey 等当前基线方法，同时保持与人类撰写的综述具有竞争力的相似性。我们进一步在实际场景中对 LiRA 进行评估，使用文档检索并评估其对审阅者模型变异的鲁棒性。我们的发现凸显了即使没有领域特定调优，智能体 LLM 工作流程在提高自动化科学写作的可靠性和可用性方面的潜力。
引用
@article{arxiv.2510.05138,
title = {LiRA: A Multi-Agent Framework for Reliable and Readable Literature Review Generation},
author = {Gregory Hok Tjoan Go and Khang Ly and Anders Søgaard and Amin Tabatabaei and Maarten de Rijke and Xinyi Chen},
journal= {arXiv preprint arXiv:2510.05138},
year = {2026}
}
备注
Published at the 40th AAAI Conference on Artificial Intelligence. Please cite the published version here: https://ojs.aaai.org/index.php/AAAI/article/view/41489