两篇研究论文探讨了大型语言模型（LLMs）在系统评价筛选中的应用，这一过程对于综合科学文献至关重要。第一篇论文研究了类别不平衡和批次效应，发现批次处理显著改变了决策行为，而流行度元数据影响有限。第二篇论文引入了来自BERT+GCN分类器的辅助不确定性信号，以提高LLM的效率，并证明了仅使用MAYBE的路由策略在召回率和成本之间取得了最佳平衡。 AI
影响 这些研究探索了提高LLM在科学文献分析中效率和可靠性的方法，有可能加速研究综合。
排序理由 两篇在arXiv上发表的学术论文，详细介绍了LLM在系统评价中的应用研究。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2608.14737v1 Announce Type: cross Abstract: This study analyses LLMs in imbalanced binary classification, using study screening in systematic reviews as the application domain. An experiment was conducted in five reviews, comparing individual and batch processing, with and …
arXiv:2608.14551v1 Announce Type: new Abstract: Large language models (LLMs) are increasingly used for title-abstract screening in systematic reviews, but their decisions lack calibrated uncertainty. We show that an auxiliary BERT+GCN classifier supplies a structured uncertainty …