本研究提出了一种名为LAG的系统框架，旨在自动生成人工智能领域的研究主题领导者板。LAG集成了论文收集和实验结果提取等步骤，验证了生成领导者板的高质量和可靠性。

本研究解决了手动创建研究主题本体的高成本和低效率问题。通过分析大型语言模型的语义关系识别能力，发现经过优化的小型模型在性能上可与大型模型相媲美，且计算资源占用更少，为智能系统的本体生成提供了新方法。

本研究探讨了人工智能和机器学习领域的“可重复性危机”，明确了“可重复性”的定义，并将研究内容分为八个主题，发现许多早期研究未被标记为“可重复性”。