研究表明，GPT-4在文献筛选、审查和数据提取方面表现良好，尤其在使用可靠提示时几乎完美。尽管其准确性与人工相当，但仍受数据集不平衡影响。建议在系统综述中谨慎使用大型语言模型，但在特定任务中可与人工表现媲美。

研究测试GPT-4在系统综述中的表现，发现其准确性受偶然一致性和数据不平衡影响。调整后，数据提取达中等水平，筛选性能因阶段和语言而异；使用可靠提示时，全文筛选近乎完美。研究表明，目前系统综述应谨慎使用大语言模型，但在可靠提示下特定任务可与人工媲美。