Mixture of Knowledge Minigraph Agents for Literature Review Generation

要約

文献レビューは、研究の現状を理解し、ギャップを特定し、特定のテーマに関する将来の研究を導くために、科学研究において重要な役割を果たします。
しかし、包括的な文献レビューを実施するプロセスにはまだ時間がかかります。
この論文では、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である共同知識ミニグラフ エージェント (CKMA) を提案します。
新しいプロンプトベースのアルゴリズムであるナレッジ 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、ナレッジ ミニグラフを自動的に構築するように設計されています。
構築された知識ミニグラフで大規模な言語モデルの機能を活用することにより、マルチパス要約エージェント (MPSA) は、さまざまな視点から概念と関係を効率的に整理して、文献レビューの段落を生成します。
3 つのベンチマーク データセットで CKMA を評価します。
実験結果は提案された方法の有効性を示し、科学研究における LLM の有望な応用をさらに明らかにしています。

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, Google