AutoSurvey: Large Language Models Can Automatically Write Surveys

本文介绍了AutoSurvey，一种快速而有组织的方法，用于自动创建在快速发展的人工智能等领域中进行全面文献调查。传统的调查论文创建面临着信息量巨大和复杂性的挑战，因此需要高效的调查方法。虽然大型语言模型（LLMs）在自动化这一过程中具有潜力，但仍存在诸如上下文窗口限制、参数化知识约束和缺乏评估基准等挑战。AutoSurvey通过系统性的方法解决了这些挑战，该方法包括初始检索和大纲生成、专业LLM的子部分起草、整合和完善以及严格的评估和迭代。我们的贡献包括对调查问题的全面解决方案、可靠的评估方法以及实验证明AutoSurvey的有效性。我们在\url{https://github.com/AutoSurveys/AutoSurvey}开放我们的资源。

AutoSurvey论文试图解决的问题是如何在快速发展的领域中自动化创建全面的文献综述。

AutoSurvey通过系统的方法解决了文献综述的问题，包括初始检索和大纲生成、由专业的大型语言模型撰写子部分、集成和完善、以及严格的评估和迭代。

论文提供了全面的解决方案和可靠的评估方法，并通过实验验证了AutoSurvey的有效性。论文还开放了资源，包括GitHub代码库。

最近的相关研究包括：1）基于大型语言模型的文献综述自动生成，2）自动摘要技术在文献综述中的应用，3）基于深度学习的文献综述自动化方法。