摘要
深度研究报告的自主合成需要复杂的信息编排与非线性叙事逻辑。针对现有方法依赖刚性线性工作流导致错误累积及缺乏全局重构能力的问题,本文提出 CogGen,一种受认知启发的递归生成框架。该框架利用分层递归架构模拟认知写作过程,支持灵活规划与全局结构调整。此外,引入抽象视觉表示(AVR)以迭代优化图文布局,并提出认知负荷评估框架(CLEF)及新基准。实验表明,CogGen 在开源系统中达到最先进水平,生成质量媲美专业分析师并超越 Gemini Deep Research。
AI 推荐理由
论文提出递归框架以实现灵活的任务规划与全局重构,核心解决线性工作流局限。
研究机构
国家关键软件实验室(南京大学)
南京大学人工智能学院
论文信息