选择、阅读与写作：基于全文的相关工作生成多智能体框架
计算与语言
2025-05-27 v1
摘要
自动相关工作生成 (RWG) 能够在撰写相关工作部分 (RWS) 草稿以供进一步修改时，节省人们的时间和精力。然而，现有的 RWG 方法由于仅将参考文献的有限部分作为输入，导致理解肤浅，且由于未能有效捕捉参考文献之间的关系，导致对每篇参考文献的孤立解释。为了解决这些问题，我们聚焦于基于全文的 RWG 任务，并提出了一种新颖的多智能体框架。我们的框架由三个智能体组成：一个决定接下来阅读论文哪一部分的选择器，一个消化所选部分并更新共享工作记忆的阅读器，以及一个基于最终整理的记忆生成 RWS 的写作者。为了更好地捕捉参考文献之间的关系，我们还为选择器提出了两种图感知策略，从而能够在图结构的约束下优化阅读顺序。大量实验表明，我们的框架在三种基础模型和各种输入配置下均持续提升了性能。图感知选择器优于其他替代选择器，取得了 state-of-the-art 的结果。代码和数据可在 https://github.com/1190200817/Full_Text_RWG 获取。
引用
@article{arxiv.2505.19647,
title = {Select, Read, and Write: A Multi-Agent Framework of Full-Text-based Related Work Generation},
author = {Xiaochuan Liu and Ruihua Song and Xiting Wang and Xu Chen},
journal= {arXiv preprint arXiv:2505.19647},
year = {2025}
}
备注
Accepted by ACL 2025 (Findings)