近日,南方科技大学深港微电子学院2025级本科生刘天佑,作为共同第一作者参与的研究成果被自然语言处理领域重要国际会议EMNLP 2026录用。该论文题为‘.tmu: A Low-Entropy Tree-Structured Representation for LLM-Assisted Scientific Writing’,聚焦于科研文档的表示方式,提出并评估了一种低熵树结构表示格式.tmu。该格式将章节、公式、引用等内容组织为具有明确边界的树节点,为大模型定位文档内容、合并不同风格的稿件和修复文档错误提供了新的实现路径。研究团队选取Deepseek-v3.2、Claude-Sonnet-4.5、Gemini-3-pro和ChatGPT-5.2四个大语言模型,开展文档结构定位、不同风格文档合并和错误修复三类实验。实验结果表明,在所评估设置下,.tmu在文档合并和错误修复两类任务中均取得了更高评分,在文档结构定位任务中,四个模型中的三个使用.tmu获得了更高评分。该研究从科研文档的数据表示出发,为大模型辅助写作工具的设计提供了新的思路,有望改善科研写作中内容定位、稿件整合与错误修复的效率和可靠性。
