InteractiveSurvey: An LLM-based Personalized and Interactive Survey Paper Generation System

📄 arXiv: 2504.08762v1 📥 PDF

作者: Zhiyuan Wen, Jiannong Cao, Zian Wang, Beichen Guo, Ruosong Yang, Shuaiqi Liu

分类: cs.IR, cs.AI

发布日期: 2025-03-31

💡 一句话要点

InteractiveSurvey：提出一种基于LLM的个性化交互式综述论文生成系统

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 综述论文生成 大型语言模型 检索增强生成 人机交互 个性化定制

📋 核心要点

  1. 现有综述论文生成方法通常仅支持标题输入和固定输出，忽略了用户个性化定制的需求。
  2. InteractiveSurvey利用LLM和RAG，支持在线检索和用户上传参考文献，并允许用户交互式地定制综述论文的各个环节。
  3. 实验结果表明，InteractiveSurvey在内容质量和时间效率方面均优于现有方法，且易于使用。

📝 摘要（中文）

学术文献的指数级增长对全面的综述论文提出了迫切需求，但手动撰写仍然耗时且费力。大型语言模型（LLM）和检索增强生成（RAG）的最新进展促进了从多个参考文献中合成综述论文的研究，但大多数现有工作将用户限制为仅标题输入和固定输出，忽略了综述论文写作的个性化过程。本文介绍InteractiveSurvey，一个基于LLM的个性化交互式综述论文生成系统。InteractiveSurvey可以通过在线检索和用户上传，从多个参考文献生成具有参考分类的结构化多模态综述论文。更重要的是，用户可以通过直观的界面在生成过程中不断自定义和完善中间组件，包括参考分类、大纲和综述内容。内容质量、时间效率和用户研究的评估表明，InteractiveSurvey是一个易于使用的综述生成系统，在输出内容质量方面优于大多数LLM和现有方法，同时保持了高度的时间效率。

🔬 方法详解

问题定义：现有综述论文生成方法的主要痛点在于缺乏个性化和交互性。用户无法在生成过程中对参考文献分类、大纲和内容进行定制，导致生成的综述论文难以满足特定需求。此外，许多方法仅支持标题输入，限制了用户对综述方向的控制。

核心思路：InteractiveSurvey的核心思路是构建一个基于LLM的交互式综述论文生成系统，允许用户在生成过程中持续地自定义和完善中间组件。通过在线检索和用户上传，系统可以获取丰富的参考文献，并利用LLM生成结构化的综述内容。用户可以通过直观的界面对参考文献进行分类、修改大纲、编辑内容，从而实现个性化的综述论文生成。

技术框架：InteractiveSurvey的整体架构包含以下几个主要模块：1) 参考文献检索模块：支持在线检索和用户上传参考文献；2) 参考文献分类模块：利用LLM对参考文献进行自动分类，并允许用户手动调整；3) 大纲生成模块：根据参考文献和用户输入生成综述论文的大纲；4) 内容生成模块：利用LLM根据大纲和参考文献生成综述论文的内容；5) 交互界面：提供直观的界面，允许用户对参考文献分类、大纲和内容进行修改和定制。

关键创新：InteractiveSurvey的关键创新在于其交互式设计。与现有方法相比，InteractiveSurvey允许用户在生成过程中持续地参与和控制，从而生成更符合用户需求的个性化综述论文。此外，InteractiveSurvey还支持多模态内容生成，可以包含文本、图像和表格等多种形式的信息。

关键设计：InteractiveSurvey在参考文献分类、大纲生成和内容生成等模块中使用了多种LLM技术。具体来说，系统使用了预训练的语言模型进行文本表示和语义理解，并使用了微调后的模型进行参考文献分类和内容生成。此外，系统还使用了RAG技术，从参考文献中检索相关信息，以提高内容生成的质量和准确性。具体的参数设置和网络结构等技术细节在论文中进行了详细描述（未知）。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，InteractiveSurvey在内容质量方面优于大多数LLM和现有方法。用户研究表明，InteractiveSurvey易于使用，可以显著提高综述论文的写作效率。具体性能数据和对比基线在论文中进行了详细描述（未知）。

🎯 应用场景

InteractiveSurvey可应用于学术研究、行业分析等领域，帮助研究人员和从业者快速生成高质量的综述论文，节省时间和精力。该系统还可用于教育领域，帮助学生学习综述论文的写作方法和技巧。未来，InteractiveSurvey有望成为科研工作者必备的辅助工具。

📄 摘要（原文）

The exponential growth of academic literature creates urgent demands for comprehensive survey papers, yet manual writing remains time-consuming and labor-intensive. Recent advances in large language models (LLMs) and retrieval-augmented generation (RAG) facilitate studies in synthesizing survey papers from multiple references, but most existing works restrict users to title-only inputs and fixed outputs, neglecting the personalized process of survey paper writing. In this paper, we introduce InteractiveSurvey - an LLM-based personalized and interactive survey paper generation system. InteractiveSurvey can generate structured, multi-modal survey papers with reference categorizations from multiple reference papers through both online retrieval and user uploads. More importantly, users can customize and refine intermediate components continuously during generation, including reference categorization, outline, and survey content through an intuitive interface. Evaluations of content quality, time efficiency, and user studies show that InteractiveSurvey is an easy-to-use survey generation system that outperforms most LLMs and existing methods in output content quality while remaining highly time-efficient.