本研究提出了PeerQA数据集，包含579个科学文档的问答对，旨在解决评审过程中的问题与回答不足。实验结果表明，去上下文化的方法提升了文档检索性能，为长上下文建模提供了具有挑战性的基准。

本文探讨了基于大型语言模型的引文生成方法，提出通过整合目标论文与源论文生成连贯段落。研究表明，结合知识图谱可提升生成性能，并介绍了细粒度奖励训练框架，验证了模型的有效性。实验结果显示，该方法在多个基准测试中表现优异，推动了科学文档之间的复杂连接探索。