作为开放源代码工具的STORM旨在利用大语言模型（LLM）辅助编写类维基百科文章，支持快速生成详细的研究论文。STORM通过让多个大语言模型的角色参与问答互动，实现了提纲、段落和文章的逐步生成。用户只需输入一个主题，STORM 就会从数百个网站中搜索信息，为你撰写一篇全面的研究文章。在三分钟左右, STORM将用户所输入的主题，转换为长篇文章或研究论文，并能以 PDF 格式下载。10月，斯坦福大学在AI辅助学术研究领域取得了重大进展。斯坦福又推出了STORM的升级版 ——Co-STORM，引入了协作对话机制，并采用轮次管理策略，实现了AI 智能体间的圆桌讨论和流畅的协作式 AI 学术研究。https://storm.genie.stanford.edu用户可以选择不同的写作模式（STORM，或者Co-STORM），其中，Co-STROM模式就是圆桌对话模式（Roundteable Conversation）。Co-STORM 包括 LLM 专家 和 主持人（Moderator）两类智能体和人类用户三种参与者，通过动态更新的思维导图和提示生成问题或答案，显著提升学术研究的质量和效率。1. LLM 专家：这种类型的智能体会根据外部知识来源生成答案，并能根据对话历史提出后续问题。
比如，在一次应用中，Co-STORM 引入了“基本事实作家”（Basic fact writer）、教学设计师（Instructional Designer）、教育研究者（Educational Researcher）、以及设计构思者（Design Thinker）四个LLM 专家智能体，参与到圆桌对话之中。
2. 主持人（Moderator）：该智能体会根据检索器发现但未在前几轮直接使用的信息生成发人深省的问题。
当然，问题生成也可以基于事实。
![]()
3. 人类用户：人类用户将主动观察对话以更深入地了解主题，或者通过注入对话来引导讨论焦点，积极参与对话。
在生成过程中，以及生成之后，用户可以查看多个LLM角色（智能体）参与的创作过程，深入了解思维的碰撞和文章的生成逻辑。有不少网友惊呼，从格式/主题/内容/引用/绝对专家水准。 Co-STORM 生成具有多元视角的详细报告，用户可在线免费获取。目前，有报道称，Co-STORM框架及其对学术研究的影响已被EMNLP 2024主要会议认可，突显了其对学术写作和信息发现未来的潜在影响。评估结果显示，Co-STORM 在报告质量和对话质量方面均优于基线模型，特别是在深度和新颖性方面表现突出。在写作辅助、内容生成、教学设计、课程开发、学术研究等教育场景中的应用日益广泛。作为各级各类学校的教师、科研院所的研究人员、以及研究生，使用诸如 Google Research、Co-STORM、Thundercontent AI Writer、AcademigGPT、Cowritter和Ari™ 之类的生成式人工智能工具，可以提高写作质量和效率。![]()
华农酸奶文化馆窗前的猫猫草
Photo by Johnnie Walker
