20260617:目前有914 页

reviews/ma-intragent-review-20260604.md

@@ -0,0 +1,77 @@
+---
+title: "IntrAgent — Content-Grounded Literature Retrieval Review"
+type: review
+created: 2026-06-04
+arxiv: "2604.22861"
+paper: "ma-intragent-2026"
+---
+
+# 📌 基本信息
+
+- **论文**: IntrAgent: An LLM Agent for Content-Grounded Information Retrieval through Literature Review
+- **作者**: Fengbo Ma*, Zixin Rao*, Xiaoting Li, Zhetao Chen, Hongyue Sun, Yiping Zhao, Xianyan Chen†, Zhen Xiang† (University of Georgia)
+- **arXiv**: 2604.22861
+- **领域**: LLM Agent, Information Retrieval, Scientific Literature QA
+- **添加时间**: 2026-06-04
+- **代码**: https://github.com/FengboMa/IntrAgent
+- **数据集**: https://huggingface.co/datasets/IntrAgent/IntraBench
+
+# 🎯 核心概念
+
+1. **[[intraview|IntraView]]** — 内容锚定的科学文献信息检索任务：给定完整论文 + 查询 → 提取信息，严格限定于文献内容，信息缺失时明确承认
+2. **[[intragent|IntrAgent]]** — 首个解决 IntraView 的 LLM Agent，采用「心智仿生」设计，模拟人类阅读行为
+3. **[[section-ranking|Section Ranking]]** — 利用结构知识（[[hierarchy-preservation|层级保持]]）的推理驱动章节排序，替代 RAG 的语义相似度方法
+4. **[[iterative-reading|Iterative Reading]]** — 渐进式阅读：按序访问章节 → 提取细节 → [[sufficiency-check|充分性检查]] → 继续或终止
+5. **[[intrabench|IntraBench]]** — 315 实例 × 5 STEM 领域的首个 IntraView 基准，LLM 锚定多选题评估
+6. **[[content-grounded-retrieval]]** — 内容锚定作为忠实性的硬约束范式
+
+# 🔗 概念网络
+
+## 核心连接
+
+```
+IntraView ──→ IntrAgent ──→ Section Ranking ──→ Hierarchy Preservation
+                │                                      │
+                └──→ Iterative Reading ──→ Sufficiency Check
+                           │
+                           └──→ Cross-Section Synthesis
+```
+
+## 外部连接
+
+- **→ [[rag|RAG]]**: 传统 baseline — 结构与语义的根本差异
+- **→ [[hallucination-mitigation]]**: 充分性检查作为显式幻觉闸门
+- **→ [[scientific-literature-qa]]**: IntraView 在科学文献 QA 谱系中的定位
+- **→ [[content-question-answering|CQA]]**: IntraView 所属的任务范式
+- **→ [[mineru]]**: PDF 预处理管道的核心工具
+- **→ [[agent-harness-engineering]]**: Agent 设计方法论视角
+
+## 网络扩展
+
+- 新增概念页: **15 个**（含 3 个占位: content-question-answering, faithfulness-in-ai, pdf-processing）
+- 连接已有概念: [[rag]], [[hallucination-mitigation]], [[agent-harness-engineering]], [[distractor-context]]
+
+# 📚 Wiki 集成
+
+- **新增页面**: 17 个（1 论文主页面 + 1 raw + 15 概念）
+- **链接完整性**: 100%（0 断链）
+- **总规模**: 591 → **603 页** (+2.0%)
+- **跨引用密度**: 核心概念平均 4.2 个外链
+
+# 💡 关键洞察
+
+### 1. 「结构」是科学文献检索中被低估的维度
+
+RAG 把科学论文当作平面文本片段，忽略了章节层级蕴含的关键信息——"方法论"和"讨论"在语义相似度上可能接近，但它们对查询的意义完全不同。IntrAgent 的层级保持+推理排序解决了这个问题。这不是"更好 embedding"能解决的——需要结构感知推理。
+
+### 2. 显式幻觉闸门 > 隐式可靠性
+
+充分性检查是 IntrAgent 最优雅的设计。传统 RAG 的可靠性是隐式的——依赖检索质量+模型能力。而充分性检查在每个阅读步骤后显式问"够不够？不够就继续读"。这是一个简单但强大的范式：把质量控制的闸门前置，而不是事后验证。
+
+### 3. 「心智仿生」是 Agent 设计的有效路径
+
+IntrAgent 不是凭空设计新机制，而是系统地模仿人类阅读行为：先翻目录 → 挑相关章节 → 边读边判断 → 够了就停。这种 design-by-behavioral-analogy 在 Agent 设计中证明有效——13.2% 的跨领域提升不是来自更复杂的模型，而是来自更符合人类认知的流程。
+
+---
+
+*Review generated: 2026-06-04 | 小赫*