English(EN) Has LLM Screening Performance Stalled in Software Engineering Systematic Reviews?

LLM 在筛选软件工程论文方面的表现提升有限

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

一篇新发表在 arXiv 上的研究评估了八种大型语言模型 (LLM) 在软件工程系统性文献综述中筛选科学论文的表现。研究发现，尽管较新的 LLM 相较于旧模型在表现上有所边际改善，但差异并不显著。LLM 在此任务上仍难以取代人工审稿人，模型之间的一致性很高，但在具体的纳入和排除标准上存在显著分歧。优化这些标准仅带来了适度改进，表明未来研究应侧重于基于代理的方法和提示工程。 AI

影响 LLM 在自动化系统性文献综述筛选方面进展有限，表明人工监督仍然至关重要。

排序理由评估 LLM 在特定任务上表现的研究论文。[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: 20 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 评估 LLM 在特定任务上表现的研究论文。[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, other; 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: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Aleksi Huotala, Miikka Kuutila, Mika M\"antyl\"a · 2026-10-09 04:00

LLM 在软件工程系统性综述中的筛选表现是否已停滞不前？

arXiv:2610.10633v1 Announce Type: cross Abstract: Screening in systematic reviews (SRs) is manual and time-consuming. Prior work has explored large language models (LLMs) for automating this step, but LLMs are evolving rapidly, so earlier performance claims may no longer accurate…

本文如何被排名

报道来源 [1]

LLM 在软件工程系统性综述中的筛选表现是否已停滞不前？

相关实体

相关话题