Agentic AI-Empowered Dynamic Survey Framework¶

会议: NeurIPS 2026
arXiv: 2602.04071
OpenReview: https://openreview.net/forum?id=6OtEOWbjJQ
代码: https://github.com/furkanmumcu/Dynamic-Survey-Framework
领域: LLM Agent
关键词: 动态综述维护、智能体工作流、长期文档状态、局部更新、选择性弃权

一句话总结¶

将学术综述写作重构为持久文档状态下的长程增量维护问题，通过解耦文献分析、分层路由与保守局部合成的多智能体框架，在冻结综述分类骨架的前提下持续吸纳新论文并实现零域外扰动。

研究背景与动机¶

近年来机器学习研究产出呈爆炸式增长，顶级会议投稿量在过去十年间增长了近十倍，大语言模型的普及进一步降低了文本手稿的撰写门槛，导致学术界充斥着大量高度重叠、微小增量且质量参差不齐的综述文章。arXiv 甚至针对 CS 领域的综述与立场文件设立了同行评审准入限制。这暴露出传统综述范式的核心困境：传统综述仅仅是对某一时间节点文献快照的静态固化，一旦新成果源源不断发表，静态综述便会迅速过时，进而促使学者不断撰写全新综述来补充最新工作，加剧了文献体系的冗余与碎片化。

这种失效模式的核心矛盾在于：学术界需要的并不是从头生成更多重叠且脆弱的静态综述，而是对高质量综述在整个范式生命周期内的长程持续维护；然而，直接利用大语言模型对全篇进行端到端重写极易引发全局语义漂移、不受控的结构扩张、文风突变或强行塞入边缘文献。单次提示词工程（prompt-based editing）缺乏持久化的文档状态追踪，无法在长周期跨度内约束累积扰动。

面对这一挑战，本文转换了研究视角：将综述视作伴随学科发展协同演进的“活体文档”（living documents），把综述任务从“一次性文本生成”重构为“持久状态约束下的长程序列更新”。核心 idea：将综述更新分解为文献分析、结构路由（含显式弃权）、局部文本与表格双路合成的模块化智能体流水线，在严格冻结专家验证分类大纲的强约束下实现高保真、最小扰动的连续学术维护。

方法详解¶

整体框架¶

本文提出的动态综述框架将综述建模为持久且受限演化的文档状态 \(S_t = (D_t, C)\)，其中 \(D_t\) 为包含正文文本、引用与表格的实际内容，而 \(C\) 为经由人类专家作者一次性验证并严格冻结的结构大纲（包含章节层级、主题范围与表格模式）。当新论文流 \(\Delta P_{t+1} = P_{t+1} \setminus P_{t}\) 到达时，系统在“维护纪元”（Maintenance Epoch）内执行增量更新循环，目标是在最大化新知识覆盖的同时最小化破坏性成本 \(\mathcal{L}(S_t, S_{t+1})\)。

整个流水线遵循“分析—筛选—路由—合成”的顺序解耦设计，各专用智能体共享统一的文档状态表征。首先由大纲智能体在部署前将作者大纲结构化为机读规范；新论文输入后，分析智能体提取规范化的技术摘要；随后路由阶段通过弃权智能体过滤域外文献，再由章节路由智能体与表格路由智能体并行定位插入槽位；最后文本合成智能体与表格合成智能体执行严格受限于目标位置的增量式补写与行级填充，配合外部元数据工具注入真实引用，确保文档其余部分零变动。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    A["新论文输入 ΔP_t+1"] --> B["文献分析：独立技术特征抽取"]
    B --> C{"编辑初筛：非对称保守弃权"}
    C -->|不相关/超出范围 (False)| D["终止更新循环：保持原状态 S_t"]
    C -->|相关/在范围内 (True)| E["分层路由：章节定位与表格判定"]
    E --> F["受限局部合成：文风保持与模式对齐"]
    F --> G["程序化引用与格式拼合"]
    G --> H["更新持久状态 S_t+1 (结构 C 冻结)"]

关键设计¶

1. 文献分析：独立技术特征抽取 针对端到端输入全篇论文时容易引发上下文过载与理解偏差的痛点，框架设计了与具体综述解耦的分析智能体（Analysis Agent）。该智能体直接阅读新论文原始全文，不依赖任何综述的大纲信息，而是按照预设模式严格提取三个层面的结构化中间表示：核心方法组件（Methods）、主要创新点来源（Novelty）以及关键实验结论（Results）。该抽取过程不引入额外推断、引文猜测或主观评价，生成标准化的技术摘要作为下游所有智能体的唯一输入，有效隔绝了外部文本噪声并消除了长上下文竞争。

2. 编辑初筛：非对称保守弃权 针对大模型在长程维护中倾向于“强行吸纳边缘/无关研究”导致综述主题失焦的问题，框架将弃权机制提升为一等公民（first-class outcome），设计了弃权智能体（Abstention Agent）。该智能体依托人类作者定义的综述核心主题范围规范（包含关键词、领域边界与自然语言书写的核心纳入准则），执行非对称决策规则：仅当论文明确隶属于完全无关的异构领域时判定为 False 并直接终止循环；只要新论文与核心研究主题或应用场景具备实质性关联，即放行进入路由。该设计在预筛选阶段优先保证召回率，同时以可审计的方式彻底拦截域外论文，阻止无效扩写。

3. 分层路由：章节定位与表格判定 定位新论文在长篇综述中的归属是一个兼具全局分类与细粒度层级映射的高维决策问题。框架将文本与表格的去向决策彻底解耦，分别交由章节路由智能体（Section Routing Agent）与表格路由智能体（Table Routing Agent）。章节路由智能体以论文结构化摘要与冻结的大纲规范 \(C\) 为输入，采用引入思维链（CoT）微调后的 LoRA 模型进行语义对齐，精确输出单一的目标叶子章节；表格路由智能体则独立评估新论文是否满足综述已有对比表格（如代表性方法对比表、数据集汇总表）的收录条件并选定表格模式。二者均不得动态创建或重命名章节，将路由空间严格限定在专家预先锚定的边界内。

4. 受限局部合成：文风保持与模式对齐 在最终内容融合阶段，为杜绝全局重写引发的语义与风格漂移，文本合成智能体（Text Synthesis Agent）与表格合成智能体（Table Synthesis Agent）执行严格受限的局部编辑。文本合成智能体仅摄入选定章节的既有正文与论文分析摘要，被禁止输出章节标题或元注释，严格生成恰好一个连贯段落（以论文/方法名加冒号开头），深度模拟原有技术深度与行文叙事流，引用处仅保留占位符标记 [cite]；表格合成智能体则切换为确定性字段提取器，把方法属性严格映射为表格模式允许的离散取值（如“White box”或“Black box”）输出合规 JSON。生成产物随后由独立的程序化引用放置工具利用真实 BibTeX 元数据精确解析插入，从根本上杜绝了大模型幻觉引用，实现跨时间步的零域外编辑（\(\Delta\text{Out} = 0\)）。

实验关键数据¶

主实验¶

评估采用回溯性评测基准（Retrospective Benchmark），选取涵盖成熟及新兴前沿的 5 篇顶会/顶刊权威综述（通用目标检测、对抗攻击、遥感超分辨率、强化学习数字孪生机械臂、单场景视频异常检测）。通过人工扣留部分论文作为“未发表成果”，再以时间流形式单篇逐步重新引入，测试系统在经历多轮更新后的表现。对比基线包括：单步端到端提示全篇更新（Baseline 1，One-Step）与具备完美真实章节输入的单步更新（Baseline 2，Oracle Routing）。

表 1 展示了在 5 篇综述上的宏观平均对比结果。评估指标包含与人类真实回填文本的相似度（BLEU-4、ROUGE-L、BERTScore）、基于属性的质量（与源论文语义对齐度 Semantic Align.、局部行文连贯性 Local Coherence）以及编辑扰动指标（总修改词元量 \(\boldsymbol{\Delta}\text{Tokens}\) 与超出路由目标章节的域外修改词元数 \(\boldsymbol{\Delta}\text{Out}\)）。

方法	BLEU-4	ROUGE-L	BERTScore	Semantic Align.	Local Coherence	\(\boldsymbol{\Delta}\text{Tokens}\) (↓)	\(\boldsymbol{\Delta}\text{Out}\) (↓)
Baseline 1 (One-Step)	1.12	0.100	0.791	0.730	0.717	6110.4	563.3
Baseline 2 (Oracle Routing)	2.84	0.148	0.842	0.797	0.760	410.5	225.1
本文框架 (Ours)	4.28	0.181	0.856	0.806	0.783	225.8	0.0

在 5 篇综述的横向泛化性测试中，本文框架表现高度稳健：各综述的 BERTScore 分别达到 0.867（S1）、0.855（S2）、0.849（S3）、0.862（S4）与 0.847（S5），所有综述实例的域外修改词元数 \(\boldsymbol{\Delta}\text{Out}\) 均严格保持为 0.0。

消融实验¶

为验证多智能体解耦与各模块专门化设计的必要性，作者在最优模型底座上实施了三种结构合并消融： 1. A + S (分析与合成合并)：移除了独立的结构化论文摘要层，由合成智能体直接阅读论文全文并编辑； 2. A + R (分析与路由合并)：直接基于未经抽取的论文全文向综述大纲做章节映射； 3. SR + TR (章节路由与表格路由合并)：将章节定位与表格更新判断整合为一个多任务决策智能体。

消融配置	评测指标	原始完整框架	合并模块后	性能下降幅值 (Drop)
A + S (分析+合成合并)	更新综合质量 (Update Quality)	0.856	0.810	-0.046
A + R (分析+路由合并)	章节路由准确率 (Routing Acc.)	0.90	0.76	-0.140
SR + TR (章节+表格路由合并)	路由综合准确率 (Routing Acc.)	0.90	0.78	-0.120

此外，在细粒度决策支撑分析中，章节路由在 5 篇综述上的平均 Top-1 与 Top-3 准确率分别达到 0.90 与 0.95，表格路由 Top-1 与 Top-3 分别为 0.88 与 0.93。在混杂了 45~78 篇真实域外干扰论文的抗噪测试中，各综述的弃权精确率（Abstention Precision）分别为 81.0%（S1）、93.75%（S2）、95.83%（S3）、100%（S4）与 100%（S5）。

关键发现¶

架构解耦是压制漂移的根本原因，而非模型规模：直接合并分析与路由（A+R）导致路由准确率断崖式下跌 14 个百分点，合并章节与表格路由亦下跌 12 个百分点；而跨越 4B 到 32B 参数量（涵盖 Qwen3、Gemma、Gemini-2.5 Flash、GPT-OSS）的底座对比表明，大参数模型并不能天然带来更高的局部性和连贯性，极简的受限架构本身才是保证 \(\boldsymbol{\Delta}\text{Out} = 0\) 的决定性支柱。
神谕路由依然无法阻止无约束重写：Baseline 2 即使被直接告知黄金目标章节，其单步输出仍然平均改动了 410.5 个词元，并在目标范围外肆意重写了 225.1 个无关词元；这证明仅有正确分类是不够的，必须将生成限定在段落级增量补丁模式内。
盲目引入思维链对合成阶段有害：消融研究表明，在路由阶段引入 CoT 能带来显著的分类增益，但在正文合成阶段引入 CoT 却会导致模型注意力被推导过程占满，挤占用于学习周围上下文文风与技术叙事的有效窗口，反而增加了截断风险与延迟。

亮点与洞察¶

将综述重构为“持久状态+长程维护纪元”：跳出了一次性端到端文献生成的红海竞争，准确切中了学术界综述泛滥、同质化严重且生命周期极短的核心痛点，为文献工程学确立了全新范式。
软硬边界结合的混合生命周期模型：聪明地将维护划分为“全自动的增量维护纪元（结构冻结）”与“人类主导的低频结构重构（应对重大范式转移）”，既避免了大模型天马行空胡乱重构目录，又保留了综述长青的弹性。
确定性程序外挂消除幻觉隐患：不在提示词中让 LLM 强行编造或记忆参考文献列表，而是使用格式化占位符配合基于真实 BibTeX 元数据的外部引用解析器，以软件工程手段从根本上保证了引文零幻觉。

局限与展望¶

结构冻结对范式突变的滞后性：当领域出现诸如 Transformer 替代 RNN、Diffusion 颠覆 GAN 的颠覆性技术浪潮时，冻结的静态大纲无法自动分裂或演变出顶级章节，必须完全依赖专家手动干预重构 \(C\)。
方法依赖高清晰度的技术分类边界：当前评测主要集中在计算机视觉与机器人等方法学分类极其明确的工程学科；在哲学、历史学、前沿交叉科学等概念边界模糊或叙事高度交织的学科中，单点路由与保守弃权规则的适用性仍有待检验。
缺乏跨章节的全局叙事重平衡：随着维护周期延长，某单一细分方向若涌现大量论文，局部段落堆叠可能破坏全篇的篇幅平衡与宏观洞见，未来亟需引入跨章节的长程语义审计与自适应再平衡机制。

评分¶

新颖性: ⭐⭐⭐⭐⭐ 颠覆了单次生成的传统定式，首次形式化提出了活体文档的长程动态维护问题与状态模型。
实验充分度: ⭐⭐⭐⭐⭐ 构建了严格的回溯性评测基准，全面覆盖 5 篇顶刊综述、8 款主流模型底座、人机评估与抗噪测试。
写作质量: ⭐⭐⭐⭐⭐ 问题定义清晰锐利，状态转移形式化严谨，架构设计原则与消融逻辑高度自洽。
价值: ⭐⭐⭐⭐⭐ 对减缓学术文献冗余、打造自我演进的学术知识库具有极强的现实指导意义与工程落地价值。