SurveyX - 中国人民大学は、シドニー大学などと共同で、学術レビューを自動生成するシステムを立ち上げた。

SurveyXとは何ですか？

SurveyXは、中国人民大学、シドニー大学、中国東北大学が共同開発した、大規模言語モデル（LLM）に基づく学術レビューの自動生成システムです。ユーザーが入力した論文タイトルとキーワードに基づいて、分野別の質の高い学術レビューや論文を迅速に生成します。SurveyXシステムは、高度な言語モデリング技術とデータ処理および文献検索機能を組み合わせることで、ユーザーが学術レビューを作成する際の時間と労力を節約できるよう支援します。SurveyXは、レビュー生成プロセスを準備段階と生成段階に分け、従来の手法における文脈的制約、古い知識、体系的な評価フレームワークの欠如といった課題に対処します。SurveyXは、コンテンツの質、引用の質、文献の関連性において既存の手法を凌駕し、人間の専門家のレベルに匹敵する性能を発揮することで、質の高い学術レビューの効率的な生成を強力にサポートします。

SurveyXの主な機能

• 学術レビューの自動生成ユーザーが論文のタイトルと関連キーワードを入力すると、システムが自動的に質の高い学術レビューや研究論文を生成する。
• カスタマイズされたコンテンツ生成ユーザーは、研究ニーズに応じてキーワードに基づいて文献検索の範囲を指定し、特定の分野のレビューコンテンツを作成できます。
• 効率的な文献検索と統合関連文献のキーワード検索に基づき、文献からの情報を統合して、包括的かつ構造化されたレビューコンテンツを生成する。
• 複数の学術分野をサポートこのシステムは、人工知能、自然言語処理、コンピュータ科学、医学、物理学など、さまざまな分野に適用可能です。

SurveyXの技術原則

• キーワード拡張と文献検索キーワード拡張アルゴリズムに基づき、検索キーワードプールは意味クラスタリングとキーワード抽出によって段階的に拡張され、検索の網羅性を確保します。また、埋め込みモデルを用いた粗粒度フィルタリングとLLMを用いた細粒度フィルタリングの2段階フィルタリング手法を組み合わせることで、文献がトピックに高度に関連性の高いものとなるよう保証します。
• 文書の前処理文書から重要な情報を抽出し、属性ツリーを構築することで、文書の情報密度とLLMのコンテキストウィンドウの利用率が大幅に向上します。情報抽出の的確性と精度を確保するため、文書の種類（方法論論文、理論論文など）に応じて異なる属性ツリーテンプレートを使用します。
• インテリジェントなアウトライン生成AttributeTreeに基づいて、LLM（法学修士）が二次アウトラインを作成する際に役立つヒントが生成されます。「分離・再編成」プロセスによって冗長性が排除され、アウトラインの論理構造が最適化され、レビューの一貫性と論理的な流れが確保されます。
• コンテンツ生成と最適化RAG技術に基づき、収集した文献と組み合わせることで、生成されるコンテンツの引用の質と正確性が最適化されます。生成プロセス中、LLM（法学修士）は他のサブセクションの内容をレビューし、生成されたコンテンツの一貫性を確保できます。
• マルチモーダル表示と後処理情報抽出・生成テンプレートに基づき、文献から必要な情報を抽出して図表を作成し、レビューの表現を充実させる。マルチモーダルなLLMを用いて補足図表を取得し、レビューの読みやすさと情報伝達能力をさらに向上させる。作成された草稿は、流暢さ、論理性、学術的な厳密性を高めるために推敲される。

SurveyXプロジェクトの住所

• プロジェクト公式サイト：surveyx.cn
• GitHubリポジトリ：https://github.com/IAAR-Shanghai/SurveyX
• ハギングフェイスモデルライブラリ：https://huggingface.co/papers/2502.14776
• arXiv技術論文：https://arxiv.org/pdf/2502.14776

SurveyXの応用事例

• 学術研究質の高い文献レビューを迅速に作成できるため、研究者は当該分野の現状や研究の方向性を理解するのに役立つ。
• 学際的研究学際的な文献を統合することで、学際的な知識の融合を促進する。
• 動的な更新最新の文献をリアルタイムで取得し、動的なレビューを作成し、最先端の研究動向を追跡する支援を提供します。
• 教材学生がレビューの書き方を学び、アカデミックライティングのスキルを向上させるのを支援する。
• 業界分析企業や機関の意思決定の参考となるよう、技術レビューや業界レポートを作成する。