STRUCTSURVEY：用于自动生成综述的结构化智能体检索

科学出版物的快速增长使得跟踪和综合研究进展变得越来越困难。虽然 大语言模型 (LLM) 可以支持自动综述生成，但现有方法检索非结构化数据，并需要模型在生成时从原始文本推断概念、方法和分类关系。我们引入了 STRUCTSURVEY，这是一种分层多智能体框架，通过动态构建基于图的实体、关系和主题分类表示，将结构推理从生成转变为检索。我们根据 ACL 综述论文的新参考基准评估 STRUCTSURVEY，以进行可重复的长篇科学总结。与仅嵌入检索基线相比，STRUCTSURVEY 将 ROUGE-1 召回率平均提高 +2.9，将 ROUGE-2 召回率平均提高 +1.0，而不会降低精度。它还提高了 大语言模型评审器的逻辑结构、深度和综合评分，表明显式结构检索产生的综述更接近于人类编写的组织和推理。