论文
通过结构感知策略学习，将论文引言写作流程内化到模型中
Internalizing Academic Writing Workflows for Introduction Generation via Struct-Aware Policy Learning
摘要
用LLM生成严谨论文引言，需要在连贯叙述中协调背景、研究缺口、方法与贡献，仍具挑战。现有方法以多阶段提示或智能体工作流组织写作，成本较高，也容易出现阶段之间的内容偏移。本文提出结构感知策略学习框架StructPO，把整个多阶段写作流程内化为由显式阶段词元控制的单次生成策略。结构感知信用分配将局部阶段质量与整体连贯性解耦，修改引导优化则把修订行为内化到首次生成策略。实验显示，相较工作流基线，StructPO改善语义对齐、结构合理性和推理效率，并能泛化到分布外设置。扩展至Qwen3-32B时，其人工评价表现与GPT-5.1相当。结果表明，细粒度策略优化可以把学术写作流程内化为模型能力，成为高成本外部编排的一种替代方式。