RoadMapper：用于生成解决复杂研究问题的路线图的多代理系统

人们通常利用结构化内容来加速知识获取和研究问题的解决。其中，路线图引导研究人员通过分层子任务逐步解决复杂的研究问题。尽管结构化内容生成取得了进展，但路线图生成任务仍未得到探索。为了弥补这一差距，我们引入了 RoadMap，这是一种新颖的基准，旨在评估 大语言模型 (LLM) 构建高质量路线图以解决复杂研究问题的能力。基于此，我们识别出LLM的三个局限性：（1）缺乏专业知识，（2）任务分解不合理，（3）逻辑关系混乱。为了应对这些挑战，我们提出了 RoadMapper，一个基于 LLM 的多智能体系统，它将研究路线图生成任务分解为三个关键阶段（即初始生成、知识增强和迭代“批判-修改-评估”）。大量实验表明，RoadMapper可以提高LLM的路线图生成能力，同时平均性能提升8%以上，节省人类专家84%的时间，凸显了其有效性和应用潜力。