TaxoAlign：使用语言模型生成学术分类法

arXiv 2025 62.8 method

TLDR

TaxoAlign使用三阶段指令引导生成学术分类法，并在人类撰写综述分类基准上评估。

评分理由

The paper introduces a novel benchmark (CS-TaxoBench) and a method (TaxoAlign) that outperforms baselines in structural and semantic alignment with human taxonomies. However, it is limited to taxonomy generation within computer science and does not address full survey generation or other scientific domains.

Read-first 评分解释

综合优先阅读分 62.8，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 37。

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：基线、基准、评估、指标、结果

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

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：有；数据：无；命中信号：代码、GitHub

主题相关性 42%

30.8

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

研究版图角色

前沿论文方法锚点复现锚点

排序敏感性

稳定性：volatile；排名波动范围：157。

关键词评分

survey generation

AI for scientific research

automated research

research automation

literature review agent

automated scientific discovery

AI scientist

paper writing agent

scientific discovery agent

autonomous research agent

automated experimentation

experiment design agent

深度分析

创新点

CS-TaxoBench基准：包含从人类撰写的综述论文中提取的460个分类法，以及从会议综述中整理的80个测试分类法
TaxoAlign：一种用于学术分类法生成的三阶段基于主题的指令引导方法
严格的自动评估框架，用于衡量与人类创建分类法的结构对齐和语义一致性

方法

TaxoAlign是一种三阶段基于主题的指令引导方法，使用语言模型。CS-TaxoBench基准包含从人类撰写的综述中提取的460个训练分类法和从会议综述中整理的80个测试分类法。评估使用自动指标衡量结构对齐和语义一致性，并结合人工评估研究，与基线方法进行比较。

关键结果

TaxoAlign在自动评估和人工评估中几乎所有指标上持续超越基线方法。

资源

论文代码