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），提出了一种实用高效的自动化SLR过程的方法，并减轻了LLM虚幻感。研究结果验证了LLM响应的准确性，并证明了这种方法满足学术研究的需求。该研究呼吁更新PRISMA报告指南以整合AI驱动的过程，拓宽了AI增强工具在学术研究领域的应用。

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LLM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，确保未来SLRs的方法透明性和可靠性。

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。

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LLM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，为高效进行全面准确的文献综述设立了新的标准。

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），展示了一种实用高效的自动化SLR过程的方法。研究结果验证了LLM的准确性，并提出了解决虚幻感和追踪信息来源的机制。该研究呼吁更新PRISMA报告指南以整合AI驱动的过程，拓宽了AI在学术和研究领域的应用。

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。