Sci-Surf: Navigating Scientific Literature Discovery through Human Feedback and Intelligent Summarizatio
Sci-Surf：基于人类反馈与智能摘要的科学文献发现导航
🧭 LLM用户画像驱动的个性化推荐
Zhejiang University · Tongji University · Google Cloud · Westlake University
集成LLM用户画像与多模态论文摘要的意图中心型学术推荐系统，在线评估提升10.4%
📌 工作参考价值
- LLM verbalized profile 可迁移到电商用户画像：将用户行为序列用 LLM 总结成自然语言画像，作为召回/排序模型的额外特征或 prompt 上下文，捕捉静态标签难以表达的 nuanced intent。
- 反馈驱动的画像迭代机制：真实用户反馈持续 refine profiles，类似在线学习。电商推荐中可设计定期批量更新用户画像，用 LLM 总结近期交互生成动态兴趣描述。
- 多模态内容理解：论文图文生成结构化博客式摘要，可借鉴用于商品详情页优化、feed 流内容描述生成、广告创意文案自动生成。
- 在线评估指标：采用 predictive alignment 衡量画像与真实偏好的对齐度，比单纯离线 AUC 更有说服力，业务中可引入类似指标评估画像质量。
动机：科学出版物爆炸式增长，研究人员难以高效发现相关新研究并深入理解。现有学术发现平台依赖静态主题订阅或嵌入相似度，仅提供摘要或短总结，对 nuanced intent modeling 和深度论文总结支持不足。
方法关键点：Sci-Surf 提出以意图为中心的知识发现系统，整合反馈驱动的个性化推荐与多模态博客风格论文消化。通过 LLM 生成 verbalized user profile 细化用户意图表示；同时生成结构化摘要，融合全文文本与图表信息，提升论文阅读理解效率。
关键结果：端到端 demo 展示完整学术发现流程，真实用户评估表明推荐质量和消化质量均有提升。在一个月在线评估中，集成 verbalized profiles 使预测与现实用户偏好的对齐度平均提高 10.4%。