Assisting in Writing Wikipedia-like Articles From Scratch with Large Language Models

最新推荐文章于 2025-05-14 14:43:48 发布

UnknownBody

最新推荐文章于 2025-05-14 14:43:48 发布

阅读量231

点赞数 4

文章标签：语言模型人工智能自然语言处理

本文链接：https://blog.youkuaiyun.com/c_cpp_csharp/article/details/137910701

版权

LLM 日更专栏收录该内容

828 篇文章

已下架不支持订阅

本文探讨如何运用大型语言模型撰写结构清晰、内容丰富的长篇文章，特别是研究了如何构建文章提纲。提出了一种名为STORM的系统，该系统通过多角度研究和模拟对话生成提纲。实验表明，与传统方法相比，STORM生成的文章更具组织性和广泛性，但也揭示了在生成长篇文章时的新挑战，如源偏见和不相关事实的过度关联。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文是LLM系列文章，针对《Assisting in Writing Wikipedia-like Articles From Scratch with Large Language Models》的翻译。

摘要

我们研究如何应用大型语言模型从头开始撰写有基础、有组织的长篇文章，其广度和深度与维基百科页面相当。这个未被充分探索的问题在写作前阶段提出了新的挑战，包括如何研究主题并在写作前准备提纲。我们提出了STORM，一个通过检索和多视角提问综合主题提纲的写作系统。STORM通过以下方式对写作前阶段进行建模：（1）在研究给定主题时发现不同的视角；（2）模拟对话，在对话中，持不同视角的作者向基于可信互联网来源的主题专家提出问题；（3）整理收集的信息以创建提纲。
为了进行评估，我们策划了FreshWiki，这是一个最近高质量维基百科文章的数据集，并制定了大纲评估来评估写作前阶段。我们进一步收集经验丰富的维基百科编辑的反馈。与outline-driven检索增强基线生成的文章相比，STORM的更多文章被认为是有组织的（绝对增加了25%），覆盖范围广（增加了10%）。专家反馈也有助于识别生成有根据的长篇文章的新挑战，如来源偏见转移和无关事实的过度关联。