IntrAgent：通过文献综述进行基于内容的信息检索的 LLM 代理

科学研究依赖于从文献中检索准确的信息来支持分析决策。在这项工作中，我们引入了一项新任务，即通过文献回顾进行信息检索（IntraView），其目的是忠实地基于所提供的内容来自动化细粒度信息检索，以响应研究驱动的查询，并提出 IntrAgent，一种基于 LLM 的代理来解决这一具有挑战性的任务。特别是，IntrAgent 旨在模仿人类在阅读文献进行信息检索时的行为——识别相关部分，然后迭代提取关键细节以完善检索到的信息。它遵循两个阶段的流程：部分排名阶段通过结构知识推理对相关文献部分进行优先级排序，迭代阅读阶段不断提取细节并将其合成为简洁的、基于上下文的答案。为了支持严格的评估，我们引入了 IntraBench，这是一个新基准，由 315 个测试实例组成，这些测试实例是根据专家撰写的问题与跨越五个 STEM 领域的文献搭配构建的。在七个主干 LLM 中，IntrAgent 的跨域准确率比最先进的 RAG 和研究代理基线平均高出 13.2%。