SurveyG：基于层次化引用图的多智能体 LLM 框架用于自动化生成综述
人工智能
2026-02-10 v3
摘要
大型语言模型（LLMs）日益被用于自动化生成综述论文 \cite{wang2406autosurvey, liang2025surveyx, yan2025surveyforge,su2025benchmarking,wen2025interactivesurvey}。现有方法通常从大量相关论文中提取内容，直接提示 LLM 进行摘要。但这些方法常常忽视论文之间的结构性关系，导致生成的综述缺乏连贯的分类框架和对研究进展的深层次理解。为此，我们提出了 SurveyG，一种基于 LLM 的智能体框架，集成了层次化引用图，其中节点表示研究论文，边捕获其之间的引用依赖关系和语义关联，从而将结构性和情境性知识嵌入综述生成过程。该图被组织为三个层次：Foundation 层、Development 层和 Frontier 层，以捕捉从奠基性工作到增量性进展再到新兴方向的研究演进。通过在各层内进行横向搜索并在各层之间进行纵向深度遍历，该智能体产生多层次摘要，最终整合为结构化的综述提纲。随后进行多智能体验证阶段，确保最终生成综述的一致性、覆盖面和事实准确性。实验结果包括由人类专家和 LLM 作为评判员进行的评估，表明 SurveyG 在生成更全面且更符合底层知识分类框架的综述方面优于最先进的框架。
引用
@article{arxiv.2510.07733,
title = {SurveyG: A Multi-Agent LLM Framework with Hierarchical Citation Graph for Automated Survey Generation},
author = {Minh-Anh Nguye and Minh-Duc Nguyen and Ha Lan N. T. and Kieu Hai Dang and Nguyen Tien Dong and Dung D. Le},
journal= {arXiv preprint arXiv:2510.07733},
year = {2026}
}