Nature新发布的OpenScholar AI系统，基于4500万篇科学论文，解决了假引用问题。通过接入ScholarStore数据库，OpenScholar能准确检索和生成文献综述，显著提高引用精度和内容覆盖度。测试结果显示，其表现超越GPT-4o和人类专家，成为学术写作的新工具。

谷歌推出的AI科学家“科研搭子”利用高级推理加速科学发现，已在肝脏纤维化和抗菌耐药性等领域取得初步成果。科学家可通过提供研究主题与AI协作，AI通过自动化反馈生成高质量研究方案，展现出在药物再利用和新靶点识别方面的潜力，但文献综述和事实核查能力仍需改进。

本研究提出了“辩论树”框架，旨在解决科学发现的分散问题。该框架通过将科学论文转化为辩论角色，生成详细论证，促进论文比较和文献综述，实验结果表明其在提升批判性思维方面的有效性。

AMD推出的科研AI“Agent Laboratory”利用大语言模型实现文献综述、实验和报告撰写，科研费用节省84%。该系统由华人团队开发，o1-preview表现最佳，生成的代码达到SOTA性能，促进人类与AI的协同科研。

本研究评估了大型语言模型在文献综述写作中的能力，并提出了自动评估框架。尽管取得了一定进展，但高级模型仍难以避免生成虚构的参考文献，且不同模型在各学科的表现存在差异，为未来研究提供了重要见解。

本研究探讨了利用自然语言处理技术和大型语言模型的检索增强生成方法，自动生成文献综述。结果表明，GPT-3.5-turbo模型在文献综述生成中表现最佳，显示了其在文献自动化处理中的应用潜力。

本研究分析了引用筛选评估数据集的问题，提出了CSMeD解决方案，该方案集合了九个公开释放的文献综述集合的元数据集，提供了统一访问325个医学和计算机科学领域的系统化文献综述资源。同时，还介绍了用于评估全文出版物筛选任务的新数据集CSMeD-FT，并通过实验和建立新数据集的基线展示了CSMeD的实用性。