AI 文献综述套件
本文综述了人工智能在系统文献综述中的应用，重点研究了 AI 技术在文献综述的半自动创建中的应用，特别是在筛选和提取阶段。通过对 21 个主流文献综述工具的分析，以及对 11 个利用大型语言模型进行文献搜索和学术写作辅助的最新工具的分析，讨论了领域内的当前趋势，概述了关键研究挑战，并提出了未来研究的方向。
Feb, 2024
在近 15 年里，通过调查 AI 技术的应用情况，以帮助研究人员进行系统的科学文献分析，我们揭示了当前支持的任务、应用的算法类型和 34 项研究中提出的可用工具，同时提供了该领域演变的历史视角和人类在越来越自动化的系统性文献回顾过程中发挥的作用。
Jan, 2024
这项研究引入了一种开创性的基于人工智能的工具，旨在提高系统文献综述中的文章选择阶段的效率，通过数据准备、人工智能辅助文章评估和结构化结果展示的三重方法实现，该工具在各个学术领域中显著加速了文献综述的耗时任务，特别在管理和经济学等领域中，GPT 模型的采用可以大大减少潜在的偏见，提高文献综述选择阶段的速度和准确性，不仅增加了研究人员的生产力和准确性，而且在涌现的学术出版物潮中迈出了重要的步伐。
Jan, 2024
该文献综述通过机器学习预测引用次数或质量评分等方法，从文章文本和元数据中识别高影响力或高质量研究的指标，并回顾了有关排名和公共数据集的证据，用于预测学术文章的影响力，并讨论了技术辅助评估的偏见和透明度。
Dec, 2022
提出了一种自动系统，将调查论文审查任务概念化为一个分类问题，采用机器学习模型测定与指定主题相关的论文的相关性，并且通过使用 BERT 等高级语言模型，取得了优于传统机器学习方法的初步结果。
Jun, 2024
利用大型语言模型（LLM）的检索增强生成（RAG）原理和专门的提示与指示技术，我们提出了一个工具包来减少文献综述的时间和工作量，建立了我们的工具包作为一种高效的替代方法。
Feb, 2024
运用生成型人工智能技术对科学论文的摘要进行总结，以减轻基层医疗人员的认知负担并提高文献阅读效率。研究结果表明，使用生成型人工智能生成的短摘要可显著降低回答与摘要内容相关问题所需时间，但在无完整摘要可用的情况下，提取知识的准确性明显降低，需要进一步的发展来提高理解能力。
Jul, 2023
对模式分析与机器智能领域的文献综述进行了彻底的综述，在提出大型语言模型为基础的文献计量指标用于自动评估综述的同时，对不同综述进行了对比分析，并评估了人工智能生成的综述与人工综述的差异，同时还介绍了基于文献结构的综述分类方法，为学者阅读和撰写综述提供了指导，为人工智能系统生成有组织的综述提供了参考，同时还展望了综述发展的未来方向。
Feb, 2024
通过大型语言模型技术，我们提出了一种全面的人工智能代理框架，能够高度准确地从大量化学文献中提取信息，实现化学文献的自动化处理，从而节省人力资源并提升性能。这一方法在化学文献处理方面具有重要的实践价值，并展示了人工智能在化学数据管理和利用方面的潜力。
Feb, 2024