SurveyX

SurveyX – 人民大合悉尼大学等推出自动化生成学术综述的系统

SurveyX是什么

SurveyX是一个基于大型语言模型（LLMs）自动化生成学术综述的创新系统，由中国人民大学、悉尼大学和中国东北大学共同开发。用户只需提供论文标题和相关关键词，SurveyX便能迅速生成高质量、针对特定领域的学术综述或研究论文。该系统利用前沿的语言模型技术，结合高效的数据处理和文献检索能力，极大地减轻了用户在撰写学术综述时所需投入的时间和精力。SurveyX将综述生成过程分为准备阶段和生成阶段，有效解决了传统方法中存在的上下文窗口限制、知识陈旧以及缺乏系统评估框架等问题。它在内容质量、引用准确性和文献相关性方面均表现优异，接近人类专家的水平，为高效生成优质学术综述提供了强有力的支持。

SurveyX

SurveyX的主要功能

自动化学术综述生成：用户提交论文标题和相关关键词，系统能够自动生成高质量的学术综述或研究论文。
个性化内容创建：用户可根据自身研究需求，通过关键词设定文献检索范围，生成特定领域的综述内容。
高效文献检索与整合：利用关键词搜索相关文献，整合文献信息，生成全面且结构化的综述内容。
广泛支持学科领域：系统适用于多种学科，包括人工智能、自然语言处理、计算机科学、医学、物理学等。

SurveyX的技术原理

关键词扩展与文献检索：通过关键词扩展算法，采用语义聚类和关键词提取技术，逐步丰富检索关键词池，确保检索的全面性。结合两步过滤方法，利用嵌入模型进行粗粒度过滤，再用LLMs进行细粒度过滤，确保文献内容与主题的高度相关性。
文献预处理：提取文献的关键信息并构建属性树，显著提升文献信息密度和LLMs的上下文窗口利用率。不同类型的文献（如方和理论性论文等）使用专门的属性树模板，确保信息提取的针对性与准确性。
智能大纲生成：基于属性树生成提示（hints），辅助LLMs构建二级大纲。通过“分离-重组”步骤去除冗余，优化大纲的逻辑结构，确保综述内容条理清晰、连贯流畅。
内容生成与优化：结合RAG技术和检索到的文献材料，优化生成内容的引用质量和准确性。在生成过程中，LLMs能够查看其他子节内容，确保生成内容的一致性。
多模态展示与后处理：利用信息提取模板和生成模板，从文献中提取必要信息，生成图表和表格，丰富综述的表现形式。通过多模态LLMs检索支持内容的图表，进一步提升综述的可读性和信息传达效果，并对生成的初稿进行细致润色，提升文本的流畅度、逻辑性和学术性。