阅读用结构，写作用散文：多智能体文档创作中的非对称结构条件化

一篇论文报告了在主权约束下部署的开源权重模型投标响应系统。盲测中，LLM 评委认为系统在55个标准章节中有40个达到人类水平，4个更优，无遗漏，但发现1处无依据声明。68%的差距源于系统未获得的信息，而非写作质量。研究还发现，结构标记有助于阅读，但将指令材料转为嵌套XML会降低回答质量。

此前多数评估未区分信息缺失与写作质量，导致系统性能被低估。该研究揭示结构性条件化对阅读和写作的影响不同，为多智能体文档生成系统设计提供新依据。

多智能体管道需同时处理请求表格与内容生成。结构标记（如XML）有助于信息提取，但用于生成指令时可能干扰模型创作，导致质量下降。命名禁止形式反而使缺陷集中，表明显式约束可能引导模型关注错误。

对文档生成类产品，应区分信息供给与生成质量评估；避免在生成指令中使用过度结构化的标记；需确保知识库覆盖全面，以减少信息缺失导致的低质量输出。

• 在投标等正式文档生成系统中，建立信息覆盖度检查，以减少因知识缺失导致的缺陷。
• 针对生成指令，进行结构化与非结构化格式的A/B测试，选择更优的提示模板。
• 开发评估框架，分离信息可用性与生成质量，以更准确衡量系统能力。

• 该研究中的LLM评委评分是否与人类专家评估一致？
• 非对称效果是否适用于其他文档类型（如法律、医疗）？
• 具体是哪些结构元素导致生成质量下降？