InteractiveSurvey：基于LLM的个性化与交互式综述论文生成系统

arXiv 2025 44.6 method

TLDR

InteractiveSurvey是基于大语言模型的个性化交互式综述论文生成系统，用户可定制中间组件。

评分理由

The paper introduces a novel interactive survey generation system that allows user customization of intermediate components, which is a strength. However, its scope is limited to survey paper generation and does not address broader automated scientific discovery or experimentation. The evaluation includes user studies and quality metrics, supporting its claims.

Read-first 评分解释

综合优先阅读分 44.6，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 50。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：评估

主题相关性 42%

41.7

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：AI scientist、automated scientific discovery、autonomous research agent、automated research、literature review agent、survey generation、automated experimentation、experiment design agent、AI for scientific research、paper writing agent、research automation、scientific discovery agent

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：67。

关键词评分

survey generation

literature review agent

paper writing agent

research automation

AI for scientific research

automated research

automated scientific discovery

scientific discovery agent

AI scientist

autonomous research agent

automated experimentation

experiment design agent

深度分析

创新点

个性化与交互式综述生成，允许用户持续定制和优化中间组件（参考文献分类、大纲、内容）。
整合在线检索和用户上传两种参考文献收集方式。
生成带有参考文献分类的结构化多模态综述论文。
直观的界面支持生成过程中的迭代优化。

方法

InteractiveSurvey利用大语言模型和检索增强生成，从在线检索和用户上传的参考文献中综合生成综述论文。用户通过界面交互式定制参考文献分类、大纲和内容，评估涵盖内容质量、时间效率以及与LLM和现有方法的用户研究。

关键结果

InteractiveSurvey在输出内容质量上优于大多数LLM和现有方法，同时保持高时间效率，内容质量、时间效率和用户研究评估均证明了这一点。

技术栈

LLMRAGInteractive interface

资源

论文