OmniThink：通过思考扩展机器写作中的知识边界
计算与语言
2025-11-21 v5 人工智能
人机交互
信息检索
机器学习
摘要
使用大型语言模型的机器写作通常依赖于检索增强生成。然而，这些方法仍局限于模型预定义范围的边界内，限制了具有丰富信息的内容的生成。具体而言，原始检索的信息往往缺乏深度、新颖性，并存在冗余问题，这会对生成文章的质量产生负面影响，导致输出浅薄、缺乏原创性且重复。为了解决这些问题，我们提出了 OmniThink，一个慢思考机器写作框架，它模拟了人类迭代扩展和反思的过程。OmniThink 背后的核心思想是模拟学习者缓慢深化其对主题知识的认知行为。实验结果表明，OmniThink 在不损害连贯性和深度等指标的情况下，提高了生成文章的知识密度。人类评估和专家反馈进一步突出了 OmniThink 在解决长篇文章生成中真实世界挑战的潜力。代码可在 https://github.com/zjunlp/OmniThink 获取。
引用
@article{arxiv.2501.09751,
title = {OmniThink: Expanding Knowledge Boundaries in Machine Writing through Thinking},
author = {Zekun Xi and Wenbiao Yin and Jizhan Fang and Jialong Wu and Runnan Fang and Yong Jiang and Pengjun Xie and Fei Huang and Huajun Chen and Ningyu Zhang},
journal= {arXiv preprint arXiv:2501.09751},
year = {2025}
}
备注
EMNLP 2025