본 논문은 대규모 언어 모델(LLM) 분야의 급격한 연구 증가로 인해 종합적이고 최신의 서베이 논문을 작성하는 어려움을 해결하기 위해 개발된 multi-stage 파이프라인인 autosurvey2를 소개한다. autosurvey2는 검색 증강 합성과 구조화된 평가를 통해 자동 서베이 생성을 수행하며, 병렬 섹션 생성, 반복적인 개선, 최신 간행물의 실시간 검색을 통합하여 주제의 완전성과 사실적 정확성을 보장한다. 품질은 전문가 검토 표준에 맞춰 적용 범위, 구조 및 관련성을 측정하는 multi-LLM 평가 프레임워크를 사용하여 평가된다. autosurvey2는 기존의 검색 기반 및 자동화된 기준선보다 일관되게 우수한 성능을 보이며, 구조적 일관성과 주제 관련성에서 더 높은 점수를 얻는 동시에 강력한 인용 충실도를 유지한다.
시사점, 한계점
•
시사점:
◦
대규모 연구 문헌, 특히 LLM 분야의 급증하는 정보를 처리하는 데 효과적인 자동 서베이 생성 솔루션 제공.
