LogicTree-RAG: Logic Tree-guided Retrieval-Augmented Generation for Long-form Patent Drafting¶

会议: NeurIPS2026（任务归档；本笔记依据 arXiv v1）
arXiv: 2609.30943v1
领域: 信息检索/RAG
关键词: 逻辑树、检索增强生成、长文本生成、专利草稿、证据归因

一句话总结¶

LogicTree-RAG 先把研究论文组织为可检索、可递归扩展的证据关联逻辑树，再按章节混合遍历生成长篇专利说明书草稿，在 Pap2Pat 测试集上得到 20.22k 输出 tokens、43.79 覆盖度和 66.34 的来源结合事实性，但这些结果不等于可专利性或法律有效性认证。

研究背景与动机¶

从论文写专利，并不是把学术措辞换成法律措辞。论文通常围绕问题、方法和实验讲贡献，而专利说明书需要把技术问题、系统组成、操作过程与实现细节组织为独立可读的披露。一个模型即使能接收全文，也可能只生成几千 tokens 的概括；如果逐块扩写，又容易反复介绍同一模块，让某个分支很长、另一个关键分支缺失。输入上下文够长与输出技术内容完整，是两个不同问题。

已有专利生成方法常处理标题、摘要或权利要求等局部任务。面向整篇草稿的 COPGEN/Pap2Pat 使用分块大纲指导生成，AutoPatent 则需要草稿信息；作者指出，这些输入在相关任务设置中往往由参考专利提取，未必反映只有发明披露材料时的真实条件。本文希望直接从研究论文建立组织结构，而不是在推理时依赖参考专利的详细大纲。这里的论文只是发明报告的代理，不能直接推出公开论文仍满足专利申请的时间或新颖性要求。

因此，真正需要控制的是“哪些技术内容已经被覆盖、哪些细节属于哪个分支、下一次扩写应使用什么证据”。核心 idea：把带有来源证据关联的逻辑树作为生成状态，先在树上进行分支特异的检索、扩展和细化，再把同一结构按章节需要转换成有广度也有深度的说明书文本。

方法详解¶

整体框架¶

输入是作为发明披露代理的研究论文，输出是长篇专利草稿中的说明书内容。系统依次执行“语义分块与树初始化”“节点感知证据搜索”“证据引导扩展与细化”“章节混合遍历”：先建立来源文档知识库和浅层技术结构，然后通过 FIFO 队列处理节点，最后以不同遍历顺序组织背景、发明概要与详细说明。

每个节点代表一个技术要素，例如原理、步骤或子系统，同时保存生成内容和对应来源片段。这个中间表示不是形式逻辑证明树：父子边表示技术组织关系，而不是已验证的逻辑蕴含；证据片段或其 ID 与节点关联，也不意味着节点的每一句话都被该片段支持。

下图全部是推理时数据流与状态更新，不包含训练监督。搜索结果决定是否继续扩写；新增子节点回到队列，细化则修改当前节点，只有达到停止条件后才进入章节生成。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    A["研究论文"] --> B["语义分块与树初始化"]
    B --> C["节点感知证据搜索"]
    C -->|存在新证据| D["证据引导扩展与细化"]
    D -->|新增子节点进入 FIFO| C
    C -->|已覆盖则跳过并处理下一节点| C
    D -->|队列清空或预算达到| E["章节混合遍历"]
    C -->|队列清空或预算达到| E
    E --> F["背景、发明概要、详细说明"]

Algorithm 1 明确列出的输出章节是 Background、Summary、Detailed Description。尽管摘要和人工评测讨论“完整专利”及 Claim Structure，所给算法没有独立的权利要求生成步骤，不能为其补造一个 Claims 模块。

关键设计¶

1. 语义分块与树初始化：先保留技术上下文，再建立可扩写的骨架

固定长度切块可能把术语定义和后续步骤分开，也可能把相邻但主题不同的段落拼在一起。本文先利用 PyMuPDF 提取文本块、字体、坐标和段落布局，恢复章节与段落边界，再计算相邻段落嵌入的余弦相似度。当相似度不低于阈值，且累计长度不超过上限时合并段落。这样，检索单位尽量是一段完整的技术语义，而不只是任意长度的字符串。

机制由原文 Eq. (2) 承载；相似度用于决定相邻段落是否合并，而不是判断生成内容的正确性：

\[ s_{i,i+1}=\operatorname{sim}(\mathcal{E}_{p}(x_i),\mathcal{E}_{p}(x_{i+1})),\qquad s_{i,i+1}\geq\tau_s. \]

默认语义阈值为 0.8，单块上限为 512 tokens。分块向量存入 Milvus 文档知识库，后续查询仍需取回对应原文片段。布局恢复与语义合并分别解决“边界在哪里”和“哪些相邻段落应留在一起”，不能把布局信息本身说成语义证据。

接着，LLM 生成初始技术描述作为根节点，再从描述中诱导第一层核心技术要素。根节点概括发明，内部节点组织较高层概念，叶节点承载待展开的细节；第一层节点进入后续队列，而非直接固定成专利章节大纲。论文正文与 Algorithm 2 用分块集合描述初始化输入，但 Appendix E 的实际初始化提示明确仅使用引言分块。这一范围差异应保留：全文用于知识库，初始根描述的提示配置更窄。

节点拥有生成文本及证据集合；实际理解这一关联时，应区分节点文本与用于回溯来源的片段/证据 ID。原文要求证据集合非空：

\[ \forall v\in V,\quad \mathcal{E}(v)\neq\emptyset. \]

这个约束只规定“有可归因来源”。根节点关联分块集合，新子节点关联本轮检索上下文；并没有自动证明文本中的每个技术细节都由来源蕴含，尤其不能把后续内部知识补全当成来源已确认的实现。

2. 节点感知证据搜索：选择更属于当前分支的证据

假设同一父节点下有“相机跟踪”和“坐标校准”两个子节点，仅按当前节点相似度检索，可能让两者反复取回系统总览。本文先以当前节点文本查询知识库，最多取回 100 个候选，再用“与当前节点的相似度减去与其他兄弟节点的最大相似度”重新排序。证据不仅要相关，还要相对更适合当前分支，从而减少不同分支争用同一段泛化说明。

关键是减去最相似兄弟，而不是所有节点的平均相似度。原文 Eq. (6) 为：

\[ S_{dr}(d)=\operatorname{sim}(d,c(v_t))-\max_{v_e\in V_f^{child}\setminus\{v_t\}}\operatorname{sim}(d,c(v_e)). \]

其中当前节点的父节点是 \(v_f\)，\(V_f^{child}\) 是该父节点的子节点集合。因此比较对象是当前节点的兄弟，而不是当前节点自己的孩子。主文 Remark 却把局部过滤写成与当前节点孩子重叠，和公式不一致；本笔记按公式及其变量定义解释，并保留该措辞问题。

正文把筛选写成分数阈值过滤；Appendix F.3 的实际配置则保留重排后的 top-5，并把阈值自适应设为第 5 名分数。这是按排名控制证据量，不宜描述成固定阈值实验。检索与重排后还要进行全局新颖性检查：若这些证据已被其他分支覆盖，则跳过当前节点。本地兄弟判别解决同一父节点下的分工，全局检查解决跨分支重复，二者不能混为一个“去重模块”。

主文把全局范围概括为父分支之外；Algorithm 2 的集合写法则排除父节点的直接子节点集合，并未完整定义该分支全部后代的排除方式。它们共同表达跨分支覆盖控制，但具体覆盖判定和精确排除边界没有充分展开，不能补写为已经实现的严格语义去重证明。

3. 证据引导扩展与细化：分别补技术层级和节点内部细节

逻辑树建设采用广度优先的 FIFO 调度，初始队列是现有叶节点。每次取出队首节点，完成节点感知搜索和全局覆盖判断；若缺少新证据就跳过，否则先扩展再检查是否需要细化。这样的调度避免一开始就深挖某个分支、耗尽预算后才发现其他核心技术尚未展开。

扩展提示根据本轮证据，把当前贡献写成更细的技术段落，再切成语义单位作为新的子节点。这些孩子保存本轮证据关联并追加到队尾，下一轮又以自己的内容检索。扩展改变树的规模和层级，不是简单地把原节点写长；它让后续查询逐步进入更细的技术空间。

细化处理另一种缺口：一个节点可能已经属于正确分支，却只写“执行校准”而没有定义输入、输出、参数或计算步骤。术语检测提示先识别欠具体的原文短语，再按来源可用性选择补全路径。对于来源中出现且能获得支持证据的领域术语，用证据引导的检索增强生成更新节点；没有相关来源证据时，使用模型内部知识给出通用、实现导向的描述。这一路径是补全，不是新增来源证明。

原文统计内部知识路径只在 8.6% 的步骤中触发，去掉它对覆盖度和事实性的影响较小。因此方法的主要收益更符合“检索证据组织得更好”，而不是“大量依靠模型常识扩写”。但较少触发不代表没有风险：来源没有说某种参数或实现时，通用补全可能把合理常识变成不属于该发明的确定性披露。

主文以队列为空或累计内容达到预算作为终止条件；实现配置进一步限制最大节点数为 64、最大深度为 3，根深度为 0。预算让内容增长可控，却不保证所有必要技术都被覆盖；节点数相同也不意味着每个分支获得同样有用的证据。来源不足时应暴露缺口，而不能把预算内生成完毕等同于技术完整。

4. 章节混合遍历：用广度形成全貌，用深度交代实现

树建好后，同一结构并不按单一顺序直接串接。背景和发明概要使用 BFS，优先覆盖高层概念与不同技术分支，避免其中一个实现细节压过整个发明的全貌。详细说明则先用 BFS 和 LLM 语义聚类识别连贯的逻辑子树，再在各子树内 DFS，沿技术链条逐层说明具体步骤。

这种区别针对的是章节的表达功能。概要需要“有哪些核心组成、它们如何配合”，详细说明需要“一个组成怎样具体运行”。BFS 的广度不是机械平均字数，DFS 的深度也不是凭空创造实现细节；章节文本仍应受已建节点及其来源证据约束。纯 DFS 消融生成得更长却覆盖更低，说明长输出不能替代章节均衡。

这里可控的是树预算、节点粒度和遍历策略，不是形式验证意义的法律控制。父子结构能暴露概念依赖，供专业人员检查和修订，但没有算法步骤验证权利要求范围、新颖性、创造性或司法辖区下的披露充分性。

一个完整示例¶

以下是基于 Appendix F.5 中光学患者定位系统材料的流程解释，不是论文报告的新实验，也不提供临床操作建议。

引言描述利用 CCD 相机跟踪单个红外反光标记，并用独立位置验证补充现有影像引导系统。初始化可以据此形成系统总览，再把“光学跟踪”“坐标校准”“工作流程”作为技术分支；具体第一层节点名称是说明性示例，不是原文公开的固定树。

处理“坐标校准”时，检索应关注标记坐标、相机坐标系与房间坐标系的对应，而不是重复相机跟踪总览。兄弟相似度惩罚有助于把这个分支和“光学跟踪”区分开；若证据没有被其他分支覆盖，就把来源中的校准步骤展开成子节点，再将它们加入 FIFO。

如果节点只说“通过 SVD 求相对位姿”，细化应从来源补齐坐标输入和变换步骤，而不是从常识发明该系统未报告的精度或参数。完成树后，概要以 BFS 讲清各组成如何协作，详细说明在校准子树内以 DFS 交代步骤。证据关联说明这些句子的查阅来源，不证明系统的临床安全性，也不证明相关专利的法律有效性。

损失函数 / 训练策略¶

LogicTree-RAG 是推理时编排框架，没有新增训练损失，也没有进行任务特定微调。默认骨干为 Qwen3-80B；温度 0.3、top-p 1.0，单次调用最大生成长度为 8,192 tokens，多次调用累计形成长输出。COPGEN 的 SFT 版本使用单独的训练配置，不能把它的训练收益归到 LogicTree-RAG 上。

实验关键数据¶

主实验¶

Pap2Pat 数据集包含 1813 对论文—已授权专利，本文主结果使用 500 对测试样本；COPGEN SFT 使用 1,000 对训练样本。LCFO 包含 252 篇长文档，用于非专利文档扩展验证；缓存只提供相关图的说明，未给可可靠转录的完整数字，因此不猜写 LCFO 分数。

Coverage 用生成文档作前提、参考专利句子作假设，经 BM25 检索和 NLI 最大蕴含概率平均衡量参考内容被覆盖的程度。\(\mathcal{F}_{Pat}\) 反向检查生成句子由参考专利支持的程度；\(\mathcal{F}_{Src}\) 的前提实际是“参考专利加来源论文”，不是来源论文单独。ROUGE-L 是文本重叠代理；Style 结合 n-gram 分布与 StyloMetrix；Repetition 是滑动窗口中的重复 n-gram 比例；Coherence 使用 DiscoScore。这些自动指标都不是法律或临床事实认证。

下表摘录主文 Table 1。COPGEN† 的符号按原文保留；Appendix F.2 说明使用空大纲与长大纲两种设置，但 Table 1 对符号映射没有清晰解释，因此不擅自给 † 指定一种输入条件。

方法	输出 tokens	Coverage ↑	FPat ↑	FSrc ↑	ROUGE-L ↑	Style ↑	Repetition ↓	Coherence ↑	时间 s ↓
Qwen3-80B	8.91k	39.09	37.50	44.88	34.08	35.06	6.05	95.71	81
GPT-5 DT	2.95k	40.91	46.70	62.04	20.56	41.52	7.25	97.34	146
COPGEN	7.69k	39.21	57.63	62.39	32.56	59.54	15.47	97.11	265
COPGEN†	8.96k	32.85	52.44	58.16	28.96	43.38	18.94	97.21	216
COPGEN w/ SFT	25.85k	40.77	50.12	59.69	38.72	62.21	21.58	97.50	221
LongWriter	10.81k	37.21	36.65	45.21	21.12	34.26	6.67	95.62	197
LogicTree-RAG	20.22k	43.79	58.92	66.34	38.91	65.68	4.14	97.45	311
Contamination Control	18.96k	42.95	57.79	66.57	40.28	64.28	4.60	97.23	298

主结果在这些生成基线上表现出较好的覆盖、事实性、风格和重复控制，但 COPGEN w/ SFT 的 Coherence 为 97.50，高于本文 97.45，输出也更长。参考专利和直接使用来源论文的启发式行不属于生成基线，不能把“生成基线中最好”扩大为全表所有行最好。

Contamination Control 是按时间筛出的 post-2024 子集，不是与全测试集难度一致的配对比较。它的 FSrc 66.57、ROUGE-L 40.28 反而高于主结果 66.34、38.91，因此不应写成所有指标均略降。时间筛选只能减弱部分污染担忧，不能证明所有骨干的预训练语料没有重叠。

消融实验¶

下表来自主文 Table 2，采用原表数值与方向。

配置	输出 tokens	Coverage ↑	FPat ↑	Style ↑	Repetition ↓
w/o Logic Tree	9.10k	39.85	56.92	60.47	16.86
Logic Tree w/o Retrieval	8.21k	40.56	51.16	59.05	9.38
w/o Semantic Chunking	19.42k	42.09	53.74	62.27	10.93
w/o Refinement	18.58k	39.92	56.85	61.87	4.09
w/o Evidence-Grounded refinement	19.60k	40.16	56.98	62.64	4.67
w/o Internal Knowledge refinement	18.95k	43.58	58.85	65.62	5.21
w/o Node-aware Reranking	20.85k	42.60	57.13	64.79	8.32
w/ DFS Traversal	21.13k	41.15	58.68	65.12	5.34
LogicTree-RAG	20.22k	43.79	58.92	65.68	4.14

去掉树后覆盖度从 43.79 到 39.85，去掉检索后 FPat 从 58.92 到 51.16，说明结构和来源支撑作用不同。去掉节点感知重排时输出变长，重复率却从 4.14 到 8.32；纯 DFS 也更长而覆盖更低。因此收益不能只用输出长度解释。

“完整方法所有指标都最好”的原文表述过强：w/o Refinement 的重复率 4.09 低于完整方法 4.14。细化在覆盖、事实性和风格上有收益，但此表没有证明它对每个指标都占优。

关键发现¶

Appendix G.3 检查检索触发节点的生成内容是否被检索证据支持，结果如下。人审只抽取 20 个案例；“全部支持”是针对给定来源的判断，不是世界事实、临床有效性或法律真实性判定。

评估方式	方法	Fully % ↑	Partial %	Unsupported % ↓
LLM-as-judge	COPGEN	70.4	20.2	9.4
LLM-as-judge	LogicTree-RAG	85.6	12.0	2.4
Human Audit	COPGEN	60	30	10
Human Audit	LogicTree-RAG	75	25	0

计算预算有明确边界：Appendix G.4 报告每篇平均 20 次 LLM 调用、311s、7.60k 总输入 tokens；调用比例为初始化 5%、建树 45%、遍历 50%。节点数 64 和深度 3 是配置上限，不是每篇实际节点数，也不能从 20 次调用推断每个节点都单独调用一次。
效率不等于成本完全匹配：输出/总输入 tokens 是文中 token efficiency 的定义，不能替代 API 价格或相同成本条件下的质量比较。默认解码一致并不意味着骨干、训练数据、调用次数、输出长度或参考大纲信息完全一致。
人工偏好证据有限：Appendix G.5 称由 3 位专利从业者盲评 10 个样本；相对 COPGEN 的 Overall、Legality、Claim Structure、Antecedent Basis、Fidelity 胜率分别为 70.5、65.7、85.2、82.1、78.5。小数胜率如何由该样本量和胜/负/平结果汇总没有充分解释，不能据此推出稳定的法律结论。
结构控制可迁移，但数字边界要保留：LCFO 仅调整输出 schema；章节分析称详细说明覆盖度最多改善 17.4%，但缓存没有完整图值与明确配对行，因此不把这个比例改写成绝对百分点或重建图表。

亮点与洞察¶

把检索变成有分工的证据分配：普通 RAG 关心当前查询是否相关，本文还问这段证据是否更属于旁边的分支。这种相对相关性可用于技术报告的模块说明，减少每个章节都引用同一段总览。
把扩展和细化区别对待：前者增加技术层级，后者补节点内部缺口。对“漏了一个子过程”和“提到了过程却没讲清”采用不同更新，有助于定位生成不完整的来源。
遍历顺序是写作控制变量：同一组节点可以用于全局概要，也可以用于连贯的实施说明。把组织结构与最终章节文字分开，有利于人工检查某个遗漏究竟发生在建树还是文本呈现阶段。

局限与展望¶

不是形式验证系统：非空证据集合与较高支持率不保证逐句蕴含，部分支持与不支持仍存在。后续可增加细节级来源核验，并显式标记内部知识补全，避免把推测写成来源事实。
完整专利范围存在缺口：Algorithm 1 只展示说明书三类章节，人工评测却包含权利要求结构。未公开的 Claims 流程不能从评分反推出来，应要求明确的生成与核验协议。
人评叙述前后矛盾：正文和 Appendix G.5 把专家评测写成已开展；Appendix H 又把专利从业者评估视为未来验证方向。两者状态不一致，本笔记保留这一问题，不将它们自行整合为完全明确的已完成研究。
来源与参数有可复现性空白：初始化全分块/仅引言范围、兄弟/孩子措辞、全局覆盖的排除范围均需澄清。检索相似度也不能代替严格的新证据识别，图示数值不足时不应臆造结果。
高风险应用需专业审查：技术披露一致不等于新颖性、创造性、可专利性、法律有效性或可直接提交。系统是早期草稿辅助工具，不替代专利律师；医疗示例也不构成临床可靠性证据。

评分¶

新颖性: 4/5。将分支特异检索、证据关联树和章节遍历组合为清晰的推理时框架。
实验充分度: 3/5。主实验、消融、成本和小规模人审较丰富，但评估范围与人评汇总仍有未澄清之处。
写作质量: 3/5。核心机制可理解，初始化范围、节点关系措辞和人评状态存在不一致。
价值: 4/5。对来源约束的长技术草稿组织有参考价值，不构成法律或临床可用性的保证。