English(EN) SciLitBench: Benchmark and Design Principles for LLM-Powered Systematic Literature Reviews

新基准SciLitBench评估LLM在系统性文献综述中的能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-10 04:00

研究人员推出了SciLitBench，这是一个旨在评估大型语言模型（LLM）在执行系统性文献综述方面能力的新基准。该基准涵盖了多个阶段，包括标题和摘要筛选、全文筛选以及数据提取，使用了超过42,000条记录的数据集。对22个开源LLM进行的实验显示，虽然明确的标准提高了筛选性能，但数据提取的准确性差异很大，模型在准确提取计算方法或局限性等详细信息方面存在困难。SciLitBench突显了LLM在全面证据综合方面当前能力的局限性，区分了高召回率筛选和详细数据提取。 AI

影响确定了当前LLM在复杂证据综合任务中的实际局限性，为未来的研究和开发提供了指导。

排序理由该集群描述了一个评估LLM能力的新基准和研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 12 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一个评估LLM能力的新基准和研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Miguel Zabaleta, Baihan Lin · 2026-09-10 04:00

SciLitBench：LLM驱动的系统性文献综述的基准和设计原则

arXiv:2609.05505v1 Announce Type: new Abstract: Systematic reviews require sustained human judgment across thousands of records, yet existing evaluations of large language models (LLMs) typically examine review stages in isolation. We introduce SciLitBench, a multi-stage benchmar…

本文如何被排名

报道来源 [1]

SciLitBench：LLM驱动的系统性文献综述的基准和设计原则

相关实体

相关话题