SciSage：用于高质量科学综述生成的多智能体框架
人工智能
2025-07-22 v2 信息检索
摘要
科学文献的快速增长要求强大的自动化综述生成工具。然而，当前基于大语言模型（LLM）的方法往往缺乏深入分析、结构连贯性和可靠引用。为解决这些局限性，我们引入了 SciSage，一个采用"写后即反思"范式的多智能体框架。SciSage 包含一个分层反思器智能体，在大纲、章节和文档层面批判性地评估草稿，并与专门用于查询解释、内容检索和精炼的智能体协作。我们还发布了 SurveyScope，一个经过严格筛选的基准，包含跨越 11 个计算机科学领域的 46 篇高影响力论文（2020-2025），具有严格的时效性和基于引用质量的控制。评估表明 SciSage 优于最先进基线（LLM x MapReduce-V2、AutoSurvey），在文档连贯性上获得 +1.73 分的提升，在引用 F1 分数上提升 32%。人工评估揭示了混合结果（在与人工撰写的综述对比中 3 胜 7 负），但突出了 SciSage 在主题广度和检索效率方面的优势。总体而言，SciSage 为研究辅助写作工具提供了有前景的基础。
引用
@article{arxiv.2506.12689,
title = {SciSage: A Multi-Agent Framework for High-Quality Scientific Survey Generation},
author = {Xiaofeng Shi and Qian Kou and Yuduo Li and Ning Tang and Jinxin Xie and Longbin Yu and Songjing Wang and Hua Zhou},
journal= {arXiv preprint arXiv:2506.12689},
year = {2025}
}