STORM AI：斯坦福大学推出的创新 AI 写作工具

STORM AI，全称为Synthesis of Topic Outlines through Retrieval and Multi-perspective Question Asking，是由斯坦福大学研究人员开发的一款创新性自动化写作工具。该工具旨在利用大语言模型（LLMs）自动化从头开始编写具有维基百科页面般的广度和深度的有根据和有组织的长篇文章。STORM通过模拟文章写作前的调研过程，发掘话题研究中的多样视角，模拟具有不同视角的作者向话题专家提出问题的对话，并基于这些对话整理收集到的信息来创建文章大纲，最终生成完整的文章。

STORM 通过互联网搜索自动搜集与特定主题相关的资料，这一过程极大地提高了写作前的资料搜集效率。为了全面深入地探索一个话题，STORM 会从多个角度提出问题，并整合不同视角的信息，有助于产生全面、深入且多维度的文章内容。STORM 模拟专家与作者之间的对话，促进对信息的深入理解和精准问题的生成。这种互动方式有助于更好地组织和构建文章内容。在收集和整合了足够的信息之后，STORM 将这些信息组织成一个清晰、有逻辑的文章大纲，为撰写高质量的文章提供坚实的框架。

基于大纲和搜集到的资料，STORM 还能够生成完整的文章。在文章生成后，系统还会进行润色，以改进语句、结构，并确保内容的流畅性和准确性。这包括去除重复信息、增加总结部分等，以提高文章的整体质量。

STORM 的设计基于两个核心假设：

1. 不同的视角可以引出多样化的问题。
2. 制定深入的问题需要迭代研究。

基于这两个假设，STORM 采用了一个新颖的多阶段方法：

• 首先，通过检索和分析类似主题的维基百科文章来发现不同的视角。
• 然后，模拟多轮对话，让带有不同视角的写作者向基于互联网信任源的专家提出问题。
• 接着，利用 LLM 生成草稿大纲，并结合模拟对话内容来完善和细化大纲。
• 最后，基于收集的参考资料和开发的大纲，逐节撰写全文，并最终形成一个完整的、类似维基百科的文章。

论文的作者们已经通过创建一个近期高质量维基百科文章的集合来评估STORM系统在预写作阶段的表现。与基于大纲的检索增强型基线系统相比，STORM 生成的文章在组织性和覆盖面上有显著提升。这一评估结果表明，STORM 不仅为自动化写作带来了新的可能性，还能帮助减少撰写长篇深度文章所需的时间，并通过广范围的知识检索和组织来促进个人对特定主题的深入学习。

STORM AI 作为斯坦福大学推出的创新性自动化写作工具，通过其独特的资料搜集、多视角信息整合、模拟对话、生成结构化文章大纲以及文章生成与润色等功能，为长篇文章的撰写提供了强有力的支持。这一工具不仅提高了写作效率，还保证了文章的质量和深度，对于需要撰写大量专业文章的作者来说无疑是一个巨大的福音。