一篇新的研究论文探讨了使用小型语言模型（SLMs）协助进行社交-物理人机交互（spHRI）的系统性文献综述。研究发现，虽然SLMs的性能不及人类审稿人，但它们显著加快了筛选过程，并识别出了人类审稿人遗漏的相当一部分相关论文。这表明SLMs可以有效地增强专家审稿人的能力，使大规模文献综合更易于实现且可持续。 AI
影响 SLMs可以通过协助文献综述来提高学术研究的效率和范围，可能加速专业领域的发现。
排序理由 该集群包含一篇学术论文，详细介绍了使用AI进行文献综述的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.26382v1 Announce Type: cross Abstract: Social-physical human-robot interaction (spHRI) has grown rapidly across robotics, human-computer interaction, human-robot interaction, and haptics. Yet, fragmented terminology and inconsistent methodologies make systematic synthe…
Social-physical human-robot interaction (spHRI) has grown rapidly across robotics, human-computer interaction, human-robot interaction, and haptics. Yet, fragmented terminology and inconsistent methodologies make systematic synthesis difficult. To support scalable review practice…