在科技日新月異的今天，專利作為保護(hù)創(chuàng)新成果的重要法律工具，其撰寫過程卻往往繁瑣且耗時(shí)，傳統(tǒng)的專利撰寫工作通常由熟悉專利法律和技術(shù)領(lǐng)域的專利代理人完成，這一過程耗時(shí)費(fèi)力，且效率較低。因此，開發(fā)一種能夠自動(dòng)化生成高質(zhì)量專利文檔的方法，對(duì)于提高專利撰寫的效率和準(zhǔn)確性具有重要意義。

最近，來自中科院深圳先進(jìn)院和大連理工大學(xué)的研究團(tuán)隊(duì)聯(lián)合開發(fā)了一個(gè)名為AutoPatent的自動(dòng)化的多智能體專利生成框架，能夠在十分鐘左右的時(shí)間依據(jù)發(fā)明人的專利技術(shù)底稿生成一篇完整的專利文檔。

圖片

論文地址：https://arxiv.org/abs/2412.09796

代碼鏈接：https://github.com/QiYao-Wang/AutoPatent

研究背景

一份完整的專利申請(qǐng)文件通常包含標(biāo)題、摘要、技術(shù)背景、詳細(xì)描述和權(quán)利要求等內(nèi)容，其平均長(zhǎng)度在17,000 Tokens以上。以往的專利申請(qǐng)流程通常為發(fā)明人依據(jù)發(fā)明的具體可實(shí)施內(nèi)容撰寫專利技術(shù)底稿委托專利代理人起草專利申請(qǐng)文件。

專利起草是一個(gè)復(fù)雜的知識(shí)密集型任務(wù)，需要專利代理人對(duì)專利法熟悉并且具備該發(fā)明所屬技術(shù)領(lǐng)域的知識(shí)，從而能夠完成對(duì)發(fā)明人技術(shù)底稿的審查和規(guī)范化重寫。

目前這一過程仍然完全由人工手動(dòng)完成，具有較高的人力成本和時(shí)間成本，從技術(shù)交底書到正式向?qū)＠痔峤坏臅r(shí)間通常在一個(gè)月以上，無法有效保護(hù)迭代更新較快的技術(shù)領(lǐng)域的相關(guān)發(fā)明。

專利起草任務(wù)Draft2Patent

以往的專利撰寫任務(wù)通常關(guān)注專利文件內(nèi)部文本的相互轉(zhuǎn)化，例如專利的摘要與權(quán)利要求之間的相互轉(zhuǎn)化等。

研究人員通過模擬真實(shí)場(chǎng)景中的專利撰寫工作，引入了一項(xiàng)新穎的專利起草任務(wù)Draft2Patent，將發(fā)明人技術(shù)底稿轉(zhuǎn)化為完整的專利文件，提升專利代理人的專利撰寫效率。

該任務(wù)主要有兩個(gè)主要困難：

1. 底稿和完整專利的平均長(zhǎng)度分別為4,000 Tokens和17,000 Tokens。
2. 一份高質(zhì)量專利需要具有專利性（非顯而易見性、有用性、新穎性以及符合專利法律規(guī)范），同時(shí)需要滿足專業(yè)技術(shù)領(lǐng)域和法律的相關(guān)規(guī)范。

研究人員構(gòu)建了Draft2Patent任務(wù)對(duì)應(yīng)的基準(zhǔn)數(shù)據(jù)集D2P，其中包含1,933條底稿專利文本對(duì)和其他元數(shù)據(jù)，并將其劃分為包含1,500條數(shù)據(jù)的訓(xùn)練集，133條數(shù)據(jù)的驗(yàn)證集和300條數(shù)據(jù)的測(cè)試集。

隨著大語言模型的發(fā)展，基于大語言模型的智能體展現(xiàn)了在知識(shí)密集型領(lǐng)域的意圖理解、規(guī)劃、記憶、重復(fù)思考及任務(wù)執(zhí)行的強(qiáng)大能力。

針對(duì)Draft2Patent任務(wù)，研究人員提出了一個(gè)新穎的多智能體自動(dòng)化專利起草框架AutoPatent，其中使用寫作、規(guī)劃及審查三大類八個(gè)智能體在短組件生成、專利寫作規(guī)劃樹構(gòu)建（PGTree）、參考-審查增強(qiáng)生成（RRAG）三步驟的驅(qū)動(dòng)下完成完整專利的撰寫。

該篇文章的主要貢獻(xiàn)有：

• 自動(dòng)化生成，提升專利撰寫效率

通過自動(dòng)化生成專利文檔，文章提出的AutoPatent框架顯著提高了專利撰寫的效率，能夠在十分鐘左右的時(shí)間內(nèi)生成一篇完整的專利文檔，減輕了專利代理人和發(fā)明者的工作負(fù)擔(dān)，使他們能夠更專注于創(chuàng)新和專利內(nèi)容的優(yōu)化。

• 多智能體協(xié)作，提升專利質(zhì)量

AutoPatent框架通過多智能體協(xié)作，其中規(guī)劃智能體構(gòu)建PGTree（Patent Writing Guideline Tree，專利寫作指南樹），專利詳細(xì)描述寫作智能體與審查智能體基于RRAG（Reference-Review-Augmented Generation，參考審查增強(qiáng)生成）協(xié)作撰寫占據(jù)專利文本80%以上的詳細(xì)描述部分，確保生成的專利文檔符合法律和技術(shù)標(biāo)準(zhǔn)。這提高了專利的合規(guī)性和保護(hù)范圍，增加了專利被授權(quán)的可能性。

• 由此及彼，推動(dòng)知識(shí)產(chǎn)權(quán)服務(wù)創(chuàng)新

文章提出的Draft2Patent任務(wù)和AutoPatent框架為知識(shí)產(chǎn)權(quán)服務(wù)領(lǐng)域帶來了新的思路和方法。這有助于推動(dòng)知識(shí)產(chǎn)權(quán)服務(wù)的創(chuàng)新和發(fā)展，提高整個(gè)行業(yè)的服務(wù)水平和競(jìng)爭(zhēng)力。

數(shù)據(jù)集

研究團(tuán)隊(duì)構(gòu)建了D2P基準(zhǔn)數(shù)據(jù)集，包含1,933個(gè)草稿-專利對(duì)和其他專利元數(shù)據(jù)。

由于專利局僅公開授權(quán)專利，而發(fā)明人和專利代理人不會(huì)公開其發(fā)明的底稿。

為此，團(tuán)隊(duì)通過與專業(yè)的專利代理人溝通，構(gòu)建了涵蓋發(fā)明所有相關(guān)信息的五個(gè)問題，對(duì)于單個(gè)專利P，將GPT-4o-mini模擬為發(fā)明人，通過詢問五個(gè)問題得到對(duì)應(yīng)的回答，并將其與問題組合為底稿。

圖片

為了保證底稿的有效性，研究人員構(gòu)建了對(duì)應(yīng)問題的審查標(biāo)準(zhǔn)，通過將GPT-4o模擬為專利審查員來評(píng)估每個(gè)答案是否能夠準(zhǔn)確描述該發(fā)明，并且通過人工篩選后，獲得了1,933條高質(zhì)量的專利底稿數(shù)據(jù)。

D2P數(shù)據(jù)集中不僅包含底稿專利文本對(duì)，還包含底稿與其他專利元數(shù)據(jù)文本對(duì)，如底稿標(biāo)題文本對(duì)等用于智能體的微調(diào)，同時(shí)還構(gòu)建了底稿-PGTree文本對(duì)數(shù)據(jù)，用于微調(diào)規(guī)劃智能體。

圖片

對(duì)于單個(gè)專利P，研究人員將GPT-4o-mini模擬為人工智能助手總結(jié)專利P的詳細(xì)描述中每一部分的內(nèi)容，并將其組織構(gòu)建為預(yù)設(shè)的雙層多路專利寫作規(guī)劃樹的數(shù)據(jù)結(jié)構(gòu)。

統(tǒng)計(jì)數(shù)據(jù)集中各部分的文本長(zhǎng)度后，可以看到標(biāo)題、摘要、權(quán)利要求、總結(jié)及技術(shù)背景等內(nèi)容的長(zhǎng)度小于2000 Tokens，而專利的詳細(xì)描述部分長(zhǎng)度超過了14,000 Tokens，占據(jù)完整專利的80%以上，生成高質(zhì)量專利詳細(xì)描述是本基準(zhǔn)的一大挑戰(zhàn)。

自動(dòng)化專利撰寫框架AutoPatent

研究人員提出了一個(gè)新穎的多智能體自動(dòng)化專利起草框架AutoPatent，其中包含三大類八個(gè)智能體在三大步驟的驅(qū)動(dòng)下完成完整專利的撰寫。

圖片

智能體

在AutoPatent框架中，定義了八個(gè)智能體，并將其分為三類：寫作智能體、規(guī)劃智能體及審查智能體。

寫作智能體：由于專利的各個(gè)部份之間存在著一定的格式及風(fēng)格差異，如專利的摘要一般較短而權(quán)利要求通常為具有編號(hào)的結(jié)構(gòu)化文本。將六個(gè)寫作智能體分為兩大類，即短文本寫作者和詳細(xì)描述寫作者。

規(guī)劃智能體：由于專利的詳細(xì)描述的平均長(zhǎng)度超過14,000 Tokens，為大語言模型一次性生成詳細(xì)描述帶來了困難。通過引入雙層多路的專利寫作規(guī)劃樹PGTree，指導(dǎo)詳細(xì)描述寫作者在RRAG過程中分步生成完整的詳細(xì)描述。

審查智能體：通過模擬真實(shí)場(chǎng)景中的專利撰寫步驟，定義了審查智能體。其需要依據(jù)事先設(shè)定的評(píng)價(jià)規(guī)范完成兩類任務(wù)，即發(fā)明人提交新底稿后的質(zhì)量審查和與詳細(xì)描述寫作者協(xié)作評(píng)估詳細(xì)描述的質(zhì)量并提供反饋達(dá)到優(yōu)化的效果。

工作流程

提供了相應(yīng)的邏輯框圖和偽代碼。通過模擬真實(shí)場(chǎng)景中的專利撰寫過程將AutoPatent框架的整體工作流程分為三步。

短組件生成：在Step I中，利用不同的短文本寫作者將專利底稿并行轉(zhuǎn)化為對(duì)應(yīng)的短文本。之后將這些短文本與專利底稿共同組成參考（Reference, R）。

專利寫作規(guī)劃樹構(gòu)建：在Step II中，利用規(guī)劃智能體構(gòu)建該底稿對(duì)應(yīng)的PGTree。PGTree是一個(gè)雙層多路樹，將詳細(xì)描述的生成任務(wù)拆解為雙層級(jí)的大綱式多步生成任務(wù)。第一層節(jié)點(diǎn)提供該部分的整體概述，第二層節(jié)點(diǎn)向詳細(xì)描述寫作者提供每個(gè)子部分的具體指令。

圖片

參考-審查增強(qiáng)生成：在Step III中，詳細(xì)描述寫作者首先根據(jù)PGTree中二層節(jié)點(diǎn)的具體寫作指令從參考R中檢索對(duì)該部分寫作有用的信息，提升內(nèi)容的一致性和可靠性。詳細(xì)描述寫作者之后根據(jù)二層節(jié)點(diǎn)的具體寫作指令和檢索到的內(nèi)容生成子部分的內(nèi)容，審查智能體將主動(dòng)介入依據(jù)審查標(biāo)準(zhǔn)判斷生成的子部分的質(zhì)量，并通過與詳細(xì)描述寫作者的多輪交互完成子部分的內(nèi)容優(yōu)化，直至通過審查。

實(shí)驗(yàn)結(jié)果

研究人員采用了n-gram基于的BLEU指標(biāo)和ROUGE-1、ROUGE-2、ROUGE-L指標(biāo)作為客觀指標(biāo)，同時(shí)提出了一種新的逆重復(fù)率（IRR）指標(biāo)來衡量專利文檔中句子的重復(fù)程度，從而去除由于重復(fù)句子過多對(duì)基于n-gram的指標(biāo)的過度獎(jiǎng)勵(lì)。

其中真實(shí)專利的IRR在t=0.2時(shí)為91.33，t=0.4時(shí)為98.57，真實(shí)專利的文本重復(fù)率較低。

圖片

其中基于Jaccard相似度和設(shè)定的閾值超參數(shù)判斷專利文本內(nèi)部句子的重復(fù)，函數(shù)f(s_i, s_j)定義為：

圖片

圖片

同時(shí)，實(shí)驗(yàn)邀請(qǐng)了三位熟悉專利法和專利撰寫的人類專家對(duì)生成的專利文檔進(jìn)行質(zhì)量評(píng)價(jià)。評(píng)價(jià)標(biāo)準(zhǔn)包括準(zhǔn)確性、全面性、邏輯性、清晰度、連貫性和一致性等六個(gè)維度。

將AutoPatent框架與零樣本提示生成方法和監(jiān)督微調(diào)生成方法進(jìn)行了對(duì)比，以評(píng)估AutoPatent框架的性能。

圖片

實(shí)驗(yàn)結(jié)果顯示，AutoPatent框架在多個(gè)維度上均優(yōu)于基線方法，其中AutoPatent框架使用Qwen2.5-7B作為基座模型時(shí)的性能超過了參數(shù)量更大和能力更強(qiáng)的模型，生成的專利文檔在長(zhǎng)度、內(nèi)容質(zhì)量、重復(fù)率等方面均表現(xiàn)出色。

與此同時(shí)，三位人類專家均認(rèn)為基于AutoPatent框架生成的專利文本質(zhì)量好于其他方法。

AutoPatent的出現(xiàn)在未來可能對(duì)知識(shí)產(chǎn)權(quán)行業(yè)產(chǎn)生深遠(yuǎn)影響：

• 專利生成流程重塑：傳統(tǒng)的專利申請(qǐng)流程繁瑣，涉及多次人工審核和修改。AutoPatent通過自動(dòng)化生成和審查流程，將原本需要數(shù)周甚至數(shù)月的時(shí)間縮短至幾小時(shí)或幾天，極大地提高了效率。
• 降低專利書寫難度，促進(jìn)創(chuàng)新：AutoPatent的出現(xiàn)降低專利撰寫難度，當(dāng)專利撰寫變得更為便捷和經(jīng)濟(jì)時(shí)，更多的創(chuàng)新想法將有機(jī)會(huì)轉(zhuǎn)化為專利，從而激發(fā)整個(gè)社會(huì)的創(chuàng)新活力。
• 知識(shí)產(chǎn)權(quán)服務(wù)行業(yè)變革：隨著AutoPatent等自動(dòng)化工具的應(yīng)用，知識(shí)產(chǎn)權(quán)服務(wù)機(jī)構(gòu)將不得不探索新的服務(wù)內(nèi)容和模式，如專利數(shù)據(jù)分析、專利價(jià)值評(píng)估等增值服務(wù)。

參考資料：https://arxiv.org/abs/2412.09796