從 Co-STORM 到 STORM：同門多代理技術，帶你探索未知的未知與長文寫作的新境界

以下為一篇整合了 Co-STORM 論文簡介 與 STORM 長文寫作 X LLM 高階開發課程 推廣資訊的文章示範。特別提示：Co-STORM 這篇論文與本課程教授的 STORM「長文寫作」系統，皆出自史丹佛大學同一個實驗室，為姐妹作！ 若您對 STORM 欲做更深一步的開發與研究，千萬別錯過文末的課程介紹與優惠方案。

---

探索未知的未知：對話式多代理系統 Co-STORM 論文導讀

一、文章摘要與主題

文章標題翻譯
「探索未知的未知：通過參與語言模型代理對話促進人類學習」

關鍵摘要

• 論文提出一個名為 Collaborative STORM (Co-STORM) 的系統，幫助使用者在面對複雜的資訊探索時，能從多位「專家代理」的對話中發現新的見解。

• 與一般傳統的問答系統不同，Co-STORM 開放使用者「觀摩並偶爾插手」多位代理互動，透過彼此多元的討論來誘發使用者思考尚未被意識到的需求，也就是所謂的「未知的未知」(Unknown Unknowns)。

• 透過收集真實用戶搜尋行為而得的 WildSeek 數據集進行自動化評估，實驗顯示：相較於一般搜索引擎或其他問答系統，Co-STORM 在資訊深度、廣度以及降低使用者認知負擔方面皆有出色表現。

（圖片出處： Into the Unknown Unknowns: Engaged Human Learning through Participation in Language Model Agent Conversations）

二、主要觀點整理

1. 未知未知的探索

   • 傳統系統多屬被動式回應，無法有效引導使用者去挖掘「自己不知道自己不知道」的問題。

   • Co-STORM 讓多個語言模型代理彼此交流，藉著彼此激盪帶出意料之外的議題，使使用者突破框架。

2. 協作對話模式

   • 系統會動態生成多位代理專家角色，根據主題不同，自動邀請對應的專家角色進行討論（與 STORM 系統採取的多代理協作機制十分相似）。

   • 透過主持人/使用者的提問引導，與代理之間的多角度對話，系統會同步繪製一個思維導圖，用圖像化方式幫助使用者快速組織資訊、跟蹤新的切入點。

   • 使用者可以適時插手或旁聽，自主控制深入探討的程度或切換方向。

3. 實驗結果

   • 在自動評估與使用者問卷調查中，Co-STORM 均顯示優異表現：

     • 70% 的使用者更喜歡這種多代理對話模式，而非傳統搜索或問答系統。

   • 提供更完整的報告與資訊架構，大幅降低多回合搜尋的繁雜操作。

4. 實踐應用

   • 系統可應用於學術研究、決策制定、市場分析等需要深度探索的領域，也可延伸到醫療健康、公共政策、教育……等場景。

   • 透過動態報告與思維導圖的功能，協助各領域使用者全面且系統性地掌握資訊。

---

三、關鍵概念補充

• 未知未知 (Unknown Unknowns)：指使用者未意識到、卻可能對問題解決至關重要的資訊需求。

• 協作對話 (Collaborative Discourse)：多方對話互動機制，透過專家視角的多元性，刺激更深層的思考和發現。

• 動態思維導圖 (Dynamic Mind Map)：把對話內容做即時圖像化，讓資訊層次與連結更清晰。

• 檢索增強生成 (Retrieval-Augmented Generation, RAG)：結合檢索機制與生成式模型，以獲得更高品質的生成結果。

• 語言模型代理 (Language Model Agents)：模擬人類專家或使用者角色，協同進行對話與知識探索。

---

四、答疑與進一步探討

1. 專家角色是否固定？

就像 STORM 長文寫作中的多代理設計一樣，Co-STORM 的專家角色並非固定，而是依主題需求動態生成。例如要討論「AlphaFold3 的技術進展」，就可能邀請「分子生物學家」「計算生物學家」「製藥業專家」；若是「企業管理」、IT 領域，則可能會加入「系統架構師」「管理顧問」「資安專家」等。

2. 主持人怎麼引導探索未知？

• 主持人（可由系統自動扮演或由使用者擔任）主要負責提供結構、串接議題，並且拋出「使用者尚未想到」的問題，以此點破潛藏的未知領域。

• 它也會協調代理之間的討論方向，確保對話不侷限於單一面向。

• 使用者則可自由提問，或單純觀察代理間互動。

3. 如何評估探索未知未知的效果？

• 信息多樣性：系統量化代理對話時引用的資料和觀點，評估其涵蓋度。

• 問題新穎性：檢查是否出現與使用者原始問題不重疊的獨特視角。

• 報告品質：看最終生成的「多角度彙整」或「動態思維導圖」在廣度、深度、新穎性等維度上的評分高低。

4. 動態思維導圖如何生成？

• 以樹狀結構記錄代理對話中的新議題、新概念。

• 隨著對話進行，系統依「語義相似度」或「重要度」插入或重組節點。

• 提供視覺化介面，使用者能清楚看到哪個分支需要再深入下去、哪些部分已經具備較完整資訊。

5. 哪些領域需要深度探索？（除了學術研究、決策制定、與市場分析）

• 醫療健康：例如，研究某新療法的長期影響。

• 公共政策：比較不同政策的多方面影響。

• 教育：探索新的教育模式或跨領域課程設計等等。

範例：

• 學術研究：「NMN補充劑對人體抗衰老影響」，需蒐集臨床試驗數據，並探討基因特異性差異。

• 決策制定：「研擬區域性貨幣政策」，從國際經濟學、歷史案例到政治因素進行縱深分析。

• 市場分析：「區塊鏈在供應鏈中的應用」，綜合成本效益、技術風險與成功案例做多方位比較。

---

特別提示：Co-STORM 與 STORM 皆是出自同一史丹佛大學實驗室的姐妹作品！
若您對 「多代理寫作」及「長文生成」 技術後續如何實際落地應用，強烈建議您進一步參考以下課程 —— STORM 長文寫作 X LLM 高階開發。