SurveyGen-I: 基于演化规划与记忆引导的连贯科学综述生成

arXiv 2025 46.7 method

TLDR

SurveyGen-I采用由粗到精检索、自适应规划和记忆引导生成，生成连贯且引用丰富的科学综述，在四个领域超越先前方法。

评分理由

The paper presents a novel framework combining retrieval, adaptive planning, and memory for coherent survey generation, with empirical validation across four domains. However, it is narrowly focused on survey generation rather than broader scientific discovery, and lacks discussion of limitations or human evaluation.

Read-first 评分解释

综合优先阅读分 46.7，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 56。

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：实验

主题相关性 42%

46.7

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：73。

关键词评分

survey generation

literature review agent

paper writing agent

AI for scientific research

research automation

automated research

AI scientist

automated scientific discovery

autonomous research agent

scientific discovery agent

automated experimentation

experiment design agent

深度分析

创新点

由粗到精检索：先进行综述级检索以构建初始大纲和写作计划，当检测到上下文不足时触发细粒度子节级检索。
自适应规划：在生成过程中动态优化大纲和写作计划。
记忆引导生成：一种存储先前撰写内容和术语的记忆机制，以保持各子节之间的连贯性。

方法

SurveyGen-I首先进行综述级检索以构建初始大纲和写作计划，然后利用存储先前内容和术语的记忆机制动态优化它们。当检测到上下文不足时，触发细粒度子节级检索。该框架在四个科学领域进行了评估。

关键结果

SurveyGen-I在四个科学领域的内容质量、一致性和引用覆盖率方面持续优于先前工作。

技术栈

LLMsCoarse-to-fine retrievalMemory mechanism

资源

论文