536篇论文AI自动综述，GPT-5准确率81.67%，完胜人工还快！
Leveraging Large Language Models for Systematic Literature Review of Disease Spread Models
📖 AI 总结
该研究探讨了利用大型语言模型（LLMs）自动化系统文献综述（SLR）的可行性，聚焦于疾病传播模型领域。研究者开发了一个LLM流水线，从536篇同行评审的基于代理建模论文中提取模型相关信息，并与人工综述结果进行对比。结果显示，GPT-4.1的论文级准确率约为77.95%，GPT-5.0达到81.67%；字段级准确率介于32.40%至100%之间，复杂或主观性强的字段表现较差。研究还发现，LLM间的一致性可作为输出质量的潜在指标：低一致性可能暗示幻觉，而高一致性伴随低准确率则可能反映人工数据集中的噪声或错误。该工作为提示词开发提供了实践见解，同时明确了LLM在建模与仿真领域全面开展SLR的优势与局限，对推动研究流程自动化具有参考意义。
🔑 关键词速览
| Large Language Models (LLMs) | 大型语言模型，如GPT系列，能够理解和生成自然语言，用于自动化文本处理任务。 |
| Systematic Literature Review (SLR) | 系统性文献综述，一种结构化、可重复的文献评估方法，用于综合特定主题的研究证据。 |
| Agent-Based Modeling (ABM) | 基于代理的建模，一种模拟个体行为及其交互以研究系统涌现现象的建模方法。 |
| Hallucination | 幻觉，指LLM生成不基于输入或事实的虚假信息，影响输出可靠性。 |
| Prompt Development | 提示开发，指设计输入指令以引导LLM生成特定输出的过程，对任务性能至关重要。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅