本文探讨使用基于 Transformer 的生成模型 ChatGPT 生成系统评价文献搜索的优秀的布尔查询，并通过实验验证其具有高的搜索精度。ChatGPT 能够执行复杂的指令并生成高精度的查询，对于进行系统评价的研究者特别是对于时间紧迫的快速评价，ChatGPT 是一种有价值的工具。

Feb, 2023

我们开发了一种建立通用筛选系统的方法，该系统可以根据研究问题中描述的内容需求，将其与广泛搜索词应用所得到的候选文章进行匹配。我们的结果表明，预训练于生物医学文献并针对特定任务进行微调的转换器模型为解决这个问题提供了有希望的解决方案，能够过滤大量的无关文章。

May, 2024

本研究提出了一种新的方法来评估相关性研究的文献排序，通过评估文献排序模型和主题广度之间的关系，减轻系统评价的人工工作量。

Jan, 2022

本研究探讨基于布尔查询的方法，提出词汇和基于预训练的语言模型方法来建议 MeSH 词汇术语，以自动识别高效的 MeSH 术语，并对每种方法的 MeSH 术语建议进行了广泛的分析和经验评估，以提高系统性综述查询的有效性。

Sep, 2022

使用零 - shot 大型语言模型～(LLMs) 进行自动筛选的效果研究显示，指导微调在筛选中发挥重要作用，校准使 LLMs 实现了有针对性的回收，并且将两者与零 - shot 模型集成结合，与最先进的方法相比节省了大量筛选时间。

Jan, 2024

通过比较 OpenAI GPT API 对临床评论文章标题和摘要的筛选效果和两位独立人工审核的效果，我们发现使用 OpenAI GPT API 可以显著提高临床评论的筛选效率和准确性。

May, 2023

本报告提出一种利用最新技术发展自动化 Systematic Reviews 筛选的方法，通过与传统分类器相比较的一系列实验，证明了 ChatGPT 成为自动化 SR 过程的一种可行选择，但需要开发人员仔细考虑在 SR 工具中集成 ChatGPT 的情况。

Jul, 2023

本研究旨在重新审视信息检索的生成式框架，并比较其与基于语义相似性的判别式模型在答案选择任务上的表现。同时，还展示了非似然损失对信息检索的有效性。

Oct, 2020

使用 GPT-4 大型语言模型（LLM）的 GPTscreenR 软件包及链式思维技术，能够自动筛选大量学术资源并在效能和性能方面表现良好，提供了一个可集成到现有审查流程中的用户友好的软件框架。

Nov, 2023

本文介绍了一种基于文档重排序的方法，结合神经查询 - 文档匹配和文本摘要技术，用于信息检索和精准医疗中多方面的搜索问题，并在 NIST TREC-PM 轨迹数据集上取得了最新的表现。

Dec, 2020