Mixture of Knowledge Minigraph Agents for Literature Review Generation

要約

文献レビューは、科学研究において、研究の現状を理解し、ギャップを特定し、特定のトピックに関する将来の研究を導くために重要な役割を果たす。しかし、包括的な文献レビューを行うプロセスは時間がかかる。本稿では、学術文献レビューを自動化するための新しいフレームワーク、協調的知識ミニグラフエージェント（CKMA）を提案する。新しいプロンプトベースのアルゴリズムである知識ミニグラフ構築エージェント（KMCA）は、学術文献から概念間の関係を特定し、知識ミニグラフを自動的に構築するように設計されている。構築された知識ミニグラフ上の大規模言語モデルの能力を活用することで、複数パス要約エージェント（MPSA）は、異なる視点からの概念と関係を効率的に整理し、文献レビューの段落を生成する。我々は3つのベンチマークデータセットでCKMAを評価する。実験結果は提案手法の有効性を示し、科学研究におけるLLMの有望な応用をさらに明らかにする。

要約(オリジナル)

Literature reviews play a crucial role in scientific research for understanding the current state of research, identifying gaps, and guiding future studies on specific topics. However, the process of conducting a comprehensive literature review is yet time-consuming. This paper proposes a novel framework, collaborative knowledge minigraph agents (CKMAs), to automate scholarly literature reviews. A novel prompt-based algorithm, the knowledge minigraph construction agent (KMCA), is designed to identify relations between concepts from academic literature and automatically constructs knowledge minigraphs. By leveraging the capabilities of large language models on constructed knowledge minigraphs, the multiple path summarization agent (MPSA) efficiently organizes concepts and relations from different viewpoints to generate literature review paragraphs. We evaluate CKMAs on three benchmark datasets. Experimental results show the effectiveness of the proposed method, further revealing promising applications of LLMs in scientific research.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL