本文是LLM系列文章,针对《ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models》的翻译。
摘要
科学研究对改善人类生活至关重要,但因其固有的复杂性、缓慢的步伐和对专业专家的需求而受到阻碍。为了提高其生产力,我们提出了一种ResearchAgent,这是一种大型语言模型驱动的研究想法写作代理,它可以自动生成问题、方法和实验设计,同时根据科学文献迭代地对其进行改进。具体来说,从核心论文作为产生想法的主要焦点开始,我们的ResearchAgent不仅通过在学术图上连接信息来增强相关出版物,还根据其基础概念从以实体为中心的知识库中检索到的实体,在众多论文中挖掘和共享。此外,我们利用多个ReviewingAgent迭代地提供评论和反馈,以模仿人类通过同行讨论迭代改进想法的方法。此外,它们用人类偏好对齐的大型语言模型实例化,其评估标准来自实际的人类判断。我们在多个学科的科学出版物上实验验证了我们的ResearchAgent,展示了它在基于人类和基于模型的评估结果生成新颖、清晰和有效的研究思路方面的有效性。