LLM×MapReduce-V3: 通过MCP驱动的分层模块化智能体系统实现交互式深度综述生成
TLDR
基于MCP的分层模块化智能体系统，交互式深度综述生成，人类评估优于基线。
评分理由
Strengths include a modular MCP architecture enabling human-in-the-loop control and dynamic workflow orchestration. Weaknesses are the narrow focus on survey generation without addressing broader scientific discovery or evaluating factual accuracy.
Read-first 评分解释
综合优先阅读分 47.8，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 52。
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：55。
关键词评分
深度分析
创新点
- MCP驱动的分层模块化智能体系统，用于长篇幅综述生成
- 将功能组件（骨架初始化、摘要构建、骨架细化）分解为独立的MCP服务器，并可聚合为更高级别服务器
- 高层规划智能体根据MCP工具描述和执行历史动态选择模块来编排工作流
- 通过模块化分解实现人在回路干预，通过多轮交互允许用户控制和定制
方法
该系统采用多智能体架构，功能组件作为独立MCP服务器实现，并可分层聚合。高层规划智能体利用MCP工具描述和执行历史动态选择模块，同时通过多轮人机交互捕捉研究视角以生成全面骨架，进而发展为完整综述。人类评估将系统与代表性基线在内容深度和长度上进行比较。
关键结果
人类评估表明，该系统在内容深度和长度上均超越了代表性基线。