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

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。

1 引言

2 FreshWiki

3 方法

4 实验

5 结论和分析

6 人类评估</