斯坦福大学最近推出了一款名为 STORM 的论文写作辅助工具，该工具由 LLM 驱动。只需提供一个主题，STORM 便能够迅速从数百个网站中搜集和检索相关信息，帮助你从零开始生成一篇论文。并且，STORM 撰写的论文在广度和深度上几乎可以与维基百科相媲美。
STORM 论文：https://storm-project.stanford.edu/research/storm/
想要尝试的同学可以直接点：https://storm.genie.stanford.edu/
我用这个工具写了一篇北魏建筑研究的论文，速度非常快，目前还只支持英文输入。下面是我使用过程，我先放一下视频。
第二次是输入你要这篇论文达到的目的，然后你等着就行。大概 3 分钟左右就能生成论文。
整个过程系统会根据你的主题在网络上检索信息，然后通过大模型整合信息，最后生成带有引用的论文。
在界面左边有清晰的论文目录，文章结构一目了然。
你还可以查看创作论文的头脑风暴过程。
生成的论文也能下载 PDF 格式文件。在文件前面会特别提示生成的内容也有可能有误，重要信息要慎重使用。
这个系统还有一个模式是 Co-STORM，Co-STORM 更好用，它使人与 LLM 系统能够协作，使生成的内容更丰富更准确。
那 STORM 为什么这么好用呢？
是因为 STORM 的核心是一种多智能体系统，它模拟了一个专家团队合作研究项目的场景。这不是普通的 LLM 叠加，而是一个经过精心调试的 AI 智能体的混合体，每个智能体在内容创作过程中都扮演着关键角色。
STORM 从深入挖掘维基百科和其他权威的数字资源开始，然后对这些信息进行分析、提取并整合成连贯的内容。
整理完这些数据后，STORM 像建筑师一样给文章提供骨架，骨架不是简单的内容罗列，是经过深入思考的框架，保证能覆盖所有主题内容。
在完成骨架后，STORM 会自动模拟多个 AI 智能体进行对话，每个智能体都代表一个不同的视角，通过这种对话让内容更加全面。
之后，STORM 开始创作，这个创作过程不是简单的文本生成，它会对每个部分都进行检查，以确保文章的连贯性，有足够的信息，更重要的是要保证学术严谨性。
STORM 的一大亮点是重视正确信息。目前网络上到处充斥着虚假信息，STORM 对内容的引用特别慎重，在生成的每篇文章中每个论点都有引用支持，读者可以随时查询这些信息。STORM 的引注召回率和精确率分别是：84.83% 和 85.18%。
许多 LLM 依赖检索增强生成（RAG）来生产内容，STORM 更胜一筹。它结构化方法和多智能体系统实现了传统 RAG 系统难以匹敌的组织性和全面性，能生成信息更丰富，结构更合理的文章。
STORM 现在完全开源，GitHub 链接：https://github.com/stanford-oval/storm
投稿或者提供线索，请联系：jet@damoxinglab.com
（文：AI大模型实验室）