Meow：面向自动学术综述的端到端大纲撰写
计算与语言
2025-09-25 v1 人工智能
摘要
随着学术论文发表数量呈指数级增长，利用大语言模型（LLM）自动进行深度综述已成为必然趋势。大纲撰写旨在系统性地组织相关工作，对于自动综述生成至关重要。然而，现有的自动综述方法仅将大纲撰写视为整体流程中的工作流步骤。这种基于模板的工作流生成的大纲缺乏对综述主题的深入理解和细粒度风格。为解决这些局限，我们提出了 Meow，这是首个由元数据驱动的大纲撰写框架，能够高效生成结构清晰且忠实于原文的大纲。具体来说，我们首先将大纲撰写定义为一个端到端任务，即从论文元数据生成层次化结构大纲。然后，我们整理了一个来自 arXiv、bioRxiv 和 medRxiv 的高质量综述数据集，并建立了用于大纲质量评估的系统化评价指标。最后，我们采用结合监督微调和强化学习的两阶段训练方法。我们 80 亿参数的推理模型展现出强大的性能，具有高结构保真度和风格连贯性。
引用
@article{arxiv.2509.19370,
title = {Meow: End-to-End Outline Writing for Automatic Academic Survey},
author = {Zhaoyu Ma and Yuan Shan and Jiahao Zhao and Nan Xu and Lei Wang},
journal= {arXiv preprint arXiv:2509.19370},
year = {2025}
}