论文
LogicTree-RAG：用证据逻辑树组织长篇专利草稿
LogicTree-RAG: Logic Tree-guided Retrieval-Augmented Generation for Long-form Patent Drafting
摘要
长篇技术文本生成支撑知识密集型工作流程，但由于需要全局一致的逻辑结构和超越本地连贯性的忠实技术推理，因此对于大型语言模型（LLM）来说仍然具有挑战性。专利起草是这一挑战的典型例子，要求通过持续的多专家合作全面生成合法合规且技术详尽的文件。现有方法通常侧重于局部章节生成或依赖于手工大纲，限制了现实设置中的可扩展自动化。在这项工作中，我们提出了 LogicTree-RAG，一种逻辑树引导的检索增强生成框架，它引入分层逻辑树作为全局组织骨干来组织技术披露并为其提供证据，而不依赖于专家定义的起草先验。逻辑树中的每个节点代表一个技术元素，并通过证据引导的递归生成来构建。然后，混合遍历机制将逻辑树映射到专利部分，从而实现可控且章节平衡的生成。大量实验表明，与基于 LLM 的强大基线相比，LogicTree-RAG 持续提高了内容质量和语言一致性，并实现了更长的结构化生成和高令牌效率，证明了以逻辑为中心的生成对于复杂技术文档起草的有效性。
