這項由浙江大學(xué)和阿里巴巴通義實驗室聯(lián)合完成的研究發(fā)表于2025年1月，完整論文可通過arXiv:2501.09751訪問。研究團隊由浙江大學(xué)的習(xí)澤坤、方紀展、方潤楠、陳華鈞、張寧宇以及阿里巴巴通義實驗室的尹文彪、吳佳龍、姜勇、謝鵬軍、黃飛等學(xué)者組成。

當(dāng)我們面對一個復(fù)雜話題需要寫一篇深入文章時，通常不會匆忙下筆，而是會先思考、收集資料、反思已知信息，然后再動筆。但現(xiàn)有的AI寫作系統(tǒng)就像急性子的學(xué)生，拿到題目就馬上開始寫，結(jié)果往往內(nèi)容淺薄、重復(fù)啰嗦。阿里巴巴的研究團隊意識到這個問題后，開發(fā)了一個名為OmniThink的創(chuàng)新框架，讓機器學(xué)會像人類一樣慢慢思考、逐步深入地寫作。

現(xiàn)在的AI寫作系統(tǒng)主要依賴檢索增強生成技術(shù)，就像是給學(xué)生提供了一堆參考書，讓他們快速查找相關(guān)內(nèi)容然后拼湊成文章。雖然這種方法能生成文章，但有個致命缺陷：搜索到的信息往往缺乏深度和新穎性，還經(jīng)常重復(fù)。研究團隊發(fā)現(xiàn)，即使是最先進的STORM和Co-STORM系統(tǒng)，也容易產(chǎn)生內(nèi)容重復(fù)的問題。比如在一篇關(guān)于AlphaFold的文章中，"AlphaFold由DeepMind開發(fā)"這個基本信息竟然在文中重復(fù)出現(xiàn)了多次。

人類寫作者之所以能避免這種問題，是因為我們會不斷反思已經(jīng)收集的信息，重新整理思路，調(diào)整寫作方向。這個過程被稱為反思性實踐，是認知科學(xué)中的重要概念?；谶@個洞察，研究團隊設(shè)計了OmniThink框架，讓AI也學(xué)會這種慢思考的寫作方式。

OmniThink的工作原理就像一個勤奮的研究者逐步深化對某個話題的理解。整個過程分為三個階段：信息獲取、大綱構(gòu)建和文章生成。在信息獲取階段，系統(tǒng)會建立兩個核心組件：信息樹和概念池。信息樹就像一個知識地圖，從主題開始向外擴展各種相關(guān)子話題，每個分支都包含具體的信息內(nèi)容。概念池則像是研究者的思考筆記，記錄著對話題理解的各種深層洞察。

這個過程最精妙的地方在于擴展和反思的循環(huán)。系統(tǒng)會先分析當(dāng)前信息樹的所有葉子節(jié)點，判斷哪些需要進一步擴展。當(dāng)需要擴展時，系統(tǒng)會利用概念池中的認知來確定深入的方向和搜索關(guān)鍵詞，然后獲取新信息并添加到信息樹中。接著，系統(tǒng)會對新獲取的信息進行反思，提取核心洞察并更新概念池。這樣一輪又一輪的擴展和反思，就像學(xué)者在研究過程中不斷深化理解一樣。

與傳統(tǒng)方法相比，OmniThink有三個顯著特點。首先是動態(tài)檢索能力，系統(tǒng)不是一次性搜索固定數(shù)量的網(wǎng)頁，而是根據(jù)話題難度和深度需求來動態(tài)調(diào)整信息收集。其次是結(jié)構(gòu)化記憶，通過信息樹和概念池的雙重架構(gòu)，系統(tǒng)能夠有組織地管理知識。最重要的是反思性思考能力，系統(tǒng)會持續(xù)評估和重新組織已獲取的信息。

研究團隊在WildSeek數(shù)據(jù)集上進行了全面評估。這個數(shù)據(jù)集包含24個不同領(lǐng)域的100個話題，每個話題都有具體的用戶意圖。實驗使用了多種評估指標，包括相關(guān)性、廣度、深度和新穎性等傳統(tǒng)指標，還特別設(shè)計了知識密度這個新指標來衡量文章中有用信息的比例。

實驗結(jié)果令人印象深刻。在GPT-4o模型上，OmniThink在所有評估維度都超越了現(xiàn)有最強的基線方法Co-STORM。相關(guān)性得分從4.37提升到4.77，廣度從4.66提升到4.71，深度從4.65提升到4.66，新穎性更是從3.89大幅提升到4.31。知識密度指標顯示，OmniThink生成的文章信息密度達到22.31，明顯高于其他方法的19-20分水平。

更有說服力的是人類評估結(jié)果。研究團隊邀請了15位高學(xué)歷志愿者對20篇文章進行人工評估，其中53%的評估者擁有研究生學(xué)歷。結(jié)果顯示，OmniThink在廣度維度上領(lǐng)先Co-STORM達46%對22%，其他維度也都有顯著優(yōu)勢。雖然自動評估顯示新穎性有11%的提升，但人類評估中這個優(yōu)勢較小，這提示自動評估與人類判斷之間還存在一定差距。

研究團隊還進行了詳細的消融實驗來分析各個組件的作用。當(dāng)移除信息樹的層次結(jié)構(gòu)時，系統(tǒng)性能顯著下降，說明結(jié)構(gòu)化組織信息的重要性。當(dāng)禁用反思機制時，系統(tǒng)在新穎性和信息多樣性方面表現(xiàn)明顯變差。這些實驗證實了擴展和反思機制對于提升寫作質(zhì)量的關(guān)鍵作用。

從知識邊界的角度分析，研究團隊將現(xiàn)有方法的局限性歸納為兩類邊界問題。信息邊界限制是指檢索到的信息量和質(zhì)量有限，認知邊界限制是指模型無法像人類那樣有效組織和利用信息。通過主成分分析可視化不同方法的信息檢索范圍，OmniThink明顯覆蓋了最大的信息空間。認知邊界實驗中，即使給傳統(tǒng)RAG方法提供同樣多的網(wǎng)頁信息，它仍然無法有效利用，反而可能因為信息過載而性能下降。

研究還發(fā)現(xiàn)了擴展和反思機制的不同作用。反思主要影響新穎性，因為它讓模型能夠重新審視已有知識，整合信息產(chǎn)生更多樣化的觀點。擴展主要影響知識密度、廣度和深度，因為它為模型的信息檢索設(shè)定了更精確的方向。當(dāng)研究團隊增加擴展和反思的深度時，發(fā)現(xiàn)知識密度和信息多樣性的增長速度會逐漸放緩，這表明還存在其他需要識別和定義的知識邊界。

OmniThink的創(chuàng)新意義在于首次將人類的慢思考過程系統(tǒng)化地應(yīng)用到機器寫作中。傳統(tǒng)方法就像讓學(xué)生在考試時間有限的情況下快速作答，而OmniThink更像是給予充足時間讓學(xué)生深思熟慮后再下筆。這種范式轉(zhuǎn)變不僅提高了文章質(zhì)量，還為長文本生成研究指出了新方向。

該框架的實用價值也很顯著。OmniThink是模型無關(guān)的，可以與現(xiàn)有的任何大語言模型結(jié)合使用。無論是GPT系列、文心一言還是通義千問，都能從這種慢思考機制中受益。這意味著該技術(shù)有很強的推廣潛力，可以廣泛應(yīng)用于學(xué)術(shù)寫作、新聞報道、技術(shù)文檔等各種長文本生成場景。

當(dāng)然，這項研究也有一些局限性。目前的工作主要局限于文本搜索和生成，還沒有考慮多模態(tài)信息的利用。此外，系統(tǒng)還沒有考慮個性化的寫作風(fēng)格，生成的文本往往偏向?qū)W術(shù)化，可能不太符合普通用戶的閱讀習(xí)慣。處理時間方面，由于需要多輪擴展和反思，OmniThink比傳統(tǒng)方法需要更多時間，不過研究團隊認為這種時間成本是值得的，因為它換來了顯著的質(zhì)量提升。

展望未來，這項研究為長文本生成開辟了新的研究方向。研究團隊計劃探索更高級的機器寫作方法，將更深層的推理與人機交互結(jié)合。同時，如何將多模態(tài)信息整合到慢思考框架中，如何實現(xiàn)個性化的寫作風(fēng)格，都是值得進一步探索的問題。

說到底，OmniThink的成功在于它真正理解了寫作的本質(zhì)：寫作不是簡單的信息拼湊，而是一個需要深度思考、反復(fù)琢磨的創(chuàng)作過程。正如古人所說"文章千古事，得失寸心知"，好文章需要時間和心力的投入。這項研究讓我們看到了AI寫作的新可能：不再是快餐式的內(nèi)容生產(chǎn)，而是像人類作家一樣的深度創(chuàng)作。隨著這類技術(shù)的成熟，我們或許真的能夠擁有既高效又深刻的AI寫作助手，為人類的知識創(chuàng)作和傳播貢獻更大力量。

Q&A

Q1：OmniThink與現(xiàn)有AI寫作工具STORM、Co-STORM相比有什么不同？

A：OmniThink最大的不同在于引入了"慢思考"機制。傳統(tǒng)工具像STORM和Co-STORM主要通過角色扮演對話來收集信息，但缺乏深度反思能力，容易產(chǎn)生重復(fù)內(nèi)容。OmniThink則通過信息樹和概念池兩個組件，讓AI能夠像人類一樣不斷擴展知識、反思信息，逐步深化對話題的理解，從而生成更有深度和新穎性的文章。

Q2：OmniThink生成一篇文章需要多長時間？

A：由于需要多輪擴展和反思，OmniThink確實比傳統(tǒng)方法耗時更長。根據(jù)研究團隊的測試，平均需要322秒，相比Co-STORM的289秒略有增加。不過研究團隊認為這種時間成本是值得的，因為它能顯著提升文章的知識密度和質(zhì)量，就像廚師花更多時間精心烹飪能做出更美味的菜肴一樣。

Q3：普通用戶能使用OmniThink嗎？有什么使用要求？

A：OmniThink是一個開源的研究框架，技術(shù)人員可以通過GitHub獲取代碼并與各種大語言模型結(jié)合使用。對于普通用戶來說，目前還需要一定的技術(shù)基礎(chǔ)來部署。不過由于該框架是模型無關(guān)的，未來很可能會被集成到各種商業(yè)AI寫作工具中，讓普通用戶也能享受到慢思考寫作的優(yōu)勢。