SurveyAgent-HKA:基于大语言模型与人类知识增强的科学综述生成多智能体框架

《Knowledge-Based Systems》:SurveyAgent-HKA: A multi-agent framework for scientific survey generation with LLMs and human knowledge augmentation

【字体: 大 中 小 】 时间:2026年09月23日 来源:Knowledge-Based Systems 8.0

编辑推荐:

   您提供的是论文《SurveyAgent-HKA:一种融合人类知识的自动科学综述生成多智能体框架》的摘要和引言部分。以下是核心内容总结: --- ## ?? 核心问题 传统自动科学综述生成方法存在三大不足: 1. **文献覆盖有限**:多依赖单一数据源(如arXiv),仅用

  

您提供的是论文《SurveyAgent-HKA:一种融合人类知识的自动科学综述生成多智能体框架》的摘要和引言部分。以下是核心内容总结:

---

## ?? 核心问题
传统自动科学综述生成方法存在三大不足:
1. **文献覆盖有限**:多依赖单一数据源(如arXiv),仅用标题和摘要
2. **缺乏质量筛选**:仅按语义相似度检索,忽视论文影响力
3. **修订过程不足**:依赖模型自生成修订,未融入专家评审反馈

---

## ??? SurveyAgent-HKA 框架设计

### 1?? 多源文献检索
- 统一框架整合多种数据来源
- 利用全文、元数据、引用关系等多维信号

### 2?? 大纲生成与优化
- 基于主题聚类生成初始大纲
- 参考人类撰写的综述大纲进行优化

### 3?? 综述生成
- 针对子主题检索相关文献
- 引用网络分析 + 重排序筛选代表性论文
- 分章节生成后整合

### 4?? 专家评审式修订
- 收集已发表综述的同行评审意见
- 提炼常见问题形成结构化检查清单
- 多轮修订提升质量

---

## ?? 主要创新点

| 创新维度 | 具体内容 |
|---------|---------|
| 多智能体协作 | 每个子任务分配独立LLM智能体 |
| 人类知识增强 | 大纲参考 + 同行评审反馈(首次融入真实评审意见) |
| 文献质量保障 | 引用网络分析 + 重排序机制 |
| 端到端流程 | 检索→大纲→生成→修订完整闭环 |

---

## ?? 实验结果
- **测试领域**:2个研究领域
- **对比基线**:主流自动综述生成方法
- **评估指标**:引用质量、结构一致性、内容质量
- **用户研究**:30名参与者(本科至博士水平)验证实用性

---

## ?? 作者贡献
- **Tong Bao**:主要贡献者(概念设计、软件开发、方法学等)
- **Mir Tafseer Nayeem, Yi Zhao, Davood Rafiei, Chengzhi Zhang**:论文审阅编辑、资源支持、项目管理等

---

如需进一步了解某个具体部分(如技术细节、实验方法、对比分析等),欢迎随时提问!
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号