基于LLM代理的维基百科持续更新——WiNELL
计算与语言
2025-08-07 v1
摘要
维基百科作为广泛且持续被查询的知识库，面临着由于依赖人工编辑器维护内容更新的重大挑战。受NELL持续知识获取愿景的启发，并受益于LLM代理的最新进展，本文提出了WiNELL框架，用于持续更新维基百科条目。我们的方法采用多代理框架来整合线上信息，筛选针对维基百科目标实体的新颖且重要的知识，然后生成精确的编辑建议供人类审核。我们开发的细粒度编辑模型基于维基百科历史上人类编辑的大量数据训练，能够以符合人类编辑行为的方式融入更新。我们的编辑模型在关键信息覆盖和编辑效率方面均优于开源指令遵循基线方法和闭源LLM（如GPT-4o）。在高活跃度维基百科页面上的端到端评估表明，WiNELL能够识别并提出及时事实性更新。这为LLM代理在持续更新知识库方面的研究开辟了前景之路。
引用
@article{arxiv.2508.03728,
title = {WINELL: Wikipedia Never-Ending Updating with LLM Agents},
author = {Revanth Gangi Reddy and Tanay Dixit and Jiaxin Qin and Cheng Qian and Daniel Lee and Jiawei Han and Kevin Small and Xing Fan and Ruhi Sarikaya and Heng Ji},
journal= {arXiv preprint arXiv:2508.03728},
year = {2025}
}