利用大型语言模型从头开始撰写维基百科式文章

近年来，大型语言模型（LLMs）在文本创作方面表现出色，展现出卓越的写作潜能。然而，如何借助这些模型撰写内容详实、结构严谨的长篇幅文章，例如完整的维基百科页面，依然是一个亟待解决的难题。本文将对这一挑战进行深入分析，并提出一种名为STORM的新方法。该方法能够实现预写作阶段的自动化处理，通过多维度提问与信息检索的方式对主题进行探究，并生成相应的大纲结构。

从头撰写维基百科文章的挑战

撰写类似维基百科的说明性长文，需要在正式动笔之前完成详尽的调研与策划工作。这一被称作"预写作"的环节涵盖以下核心内容：

1. 搜寻相关资料
2. 分析并整理外部信息来源
3. 构建文章结构框架

即便对于具备丰富经验的作者而言，这些步骤同样充满难度，因其对高水平的信息处理能力提出了要求。若能实现该流程的自动化，则可：

• 协助个体更深入地掌握特定主题
• 显著降低专家在撰写说明性文本时所耗费的时间

然而，当前主流的维基百科文章生成技术往往跳过了预写作环节。例如：

• Liu等人（2018）假定已有参考文献可供使用
• Fan和Gardent（2022）则默认大纲已就绪，仅专注于扩展各部分内容

上述前提条件在多数情形下并不适用，因为获取参考资料以及拟定大纲本身便是一项极具挑战性的任务。

STORM:一种新的预写作方法

针对上述难题，来自斯坦福大