利用 LLMs 加速系统评价筛选过程的承诺与挑战
原文中文,约500字,阅读约需2分钟。发表于: 。系统性综述(SR)是软件工程(SE)中一种常见的研究方法。本研究旨在调查大型语言模型(LLMs)是否能通过简化摘要来加速标题 - 摘要筛选,并自动化标题 - 摘要筛选。研究结果表明,使用 LLMs 进行文本简化在筛选过程中并未显著提高人类的表现,但减少了筛选所需的时间。虽然当前的 LLMs 在筛选任务中并不比人类筛选者更准确,但使用 LLMs 自动化标题 -...
本研究使用精细调整的大型语言模型(LLMs)自动化系统性文献综述(SLRs),验证了LLMs的准确性,并提出了解决虚幻感和追踪信息来源的机制。研究呼吁更新PRISMA报告指南以整合AI驱动的过程,为全面准确的文献综述设立了新的标准。