OpenBMB 开源社区宣布推出代码 Agent 新成员「卷姬」,官方介绍其能够「高效获取有价值的内容」。
具体来看,用户只需要在「卷姬」官网输入想要提取的内容,便可在等待后获取到综述报告。而「卷姬」拥有两种处理模式:
- 普通模式:输出标题和关键词描述,提交并等待生成。
- 专业模式:可进一步自定义素材来源,选择「在线检索」或「上传文件」。
团队方面表示,卷姬 SurveyGO 与 OpenAI DeepResearch、AutoGLM-沉思和 Gemini DeepResearch 相比,它的逻辑更严谨、学术性更强,适合深度分析,在多个方面有着不同的优势体现:
- 结构维度:SurveyGO 生成文章的目录层次分明;
- 内容维度:SurveyGO 导言部分更具深度,结尾分析更见功力,角度全面,丝滑缜密;
- 观点维度、引用维度:论述详细,辅以合理的引用支持,观点有理有据。
据悉,卷姬 SurveyGO 采用 LLMxMapReduce-V2 长文本整合生成技术。该技术由 AI9Star、OpenBMB、清华大学团队联合研发,核⼼在于借助⽂本卷积算法实现多篇参考⽂献的聚合来代替现有⽅法中常⻅的检索,从⽽实现对全部参考⽂章的充分利⽤。
目前,卷姬已上线官网,LLMxMapReduce-V2 的相关论文和开源内容也已公布。
- 体验链接:https://surveygo.thunlp.org/
- 论文链接:https://arxiv.org/abs/2504.05732
- 开源链接:https://github.com/thunlp/LLMxMapReduce/tree/main