该研究使用了哪些大语言模型？
该研究使用了GPT-4.1和GPT-5.0两个大语言模型。
Leveraging Large Language Models for Systematic Literature Review of Disease Spread Models
（翻译）利用大型语言模型进行疾病传播模型的系统性文献综述
资讯摘要
Abstract page for arXiv paper 2608.26150: Leveraging Large Language Models for Systematic Literature Review of Disease Spread Models
AI 摘要
该研究利用GPT-4.1和GPT-5.0等大语言模型构建自动化流水线，从536篇同行评审的基于代理建模论文中提取模型相关信息，并与人工系统性文献综述结果对比。结果显示，论文级准确率分别约为77.95%和81.67%，但字段级准确率差异大，复杂或主观字段表现不稳定。研究还发现，大语言模型间的一致性是输出质量的潜在指标，低一致性可能提示幻觉，高一致性但低准确率可能反映人工数据集的噪声或错误。
AI 问答
研究的主要发现是什么？
论文级准确率分别约为77.95%和81.67%，字段级准确率范围为32.40%至100%，复杂或主观字段可靠性较低；LLM间一致性可作为质量指标，低一致性可能提示幻觉，高一致性低准确率可能反映人工数据集噪声。
该研究用于什么场景？
用于系统性文献综述，从536篇基于代理建模论文中提取模型相关信息，以评估大语言模型在自动化文献综述中的潜力与局限。
更多资讯
只会搜关键词还不够，Agent 需要一套更聪明的本地搜索
DeepSeek-V4.1-Flash 的最佳 Harness 搭档，我觉得可能是 Claude Code
我的“一人公司”，是怎么搞钱的？
被用了几千年的铜，怎么突然成了AI时代的新宠？
推特创始人谈“AI减速”论：前沿不属于任何一家公司36氪项目新势榜：不看包装，只看项目真实进展高通技术公司携手中兴努比亚和豆包手机助手，共同推动智能手机迈入个人AI新时代
就业率砍半，年轻人靠什么翻盘？AI时代，这三点越早做越好
黄仁勋再谈AI危险论：中国会成为全球开源重要力量
今晚「鸽派加息」？
AI 写了几十页 PPT，“经营分析”报告仍被批不够深入？
从200亿收购失败到650亿IPO：Figma如何用“协作”颠覆设计帝国
差 11 票：币圈和华盛顿的蜜月期结束了
具透 | Liquid Glass 设计改进、性能提升……iPadOS 27 中值得一瞥的新特性
OpenAI故意欠技术债，等Codex来还：仅2名工程师，把核心存储从Python重写成Rust量子位2026人工智能年度榜单，正式启动！
华为坤灵升级“4+10+N”场景化方案，发布“经纬计划”和50个样板点
早报｜iOS27正式推送/比亚迪高管：燃油车在中国没有未来/iPhone 18 Pro渠道降价900元，苹果称不干预
Cloudflare将每天90亿次请求的JavaScript CDN迁移到其开发者平台
一年28倍妖王：谁在爆炒？
GPT Image 2.5 对比实测：变化与局限
“极端”空头压境 美联储周三不加息就是最大意外
产品经理的体面，是一块不能失守的 “括约肌”9月21日，深圳前海！聊聊工业AI与生态共创的下一步
想把喜欢的故事做成动画？我用 AIXTV 把《聊斋》做出来了手机替我跑了一整套流程！我就说了一句话，AI执行了100步
AI 产品经理怎么入行？岗位方向、核心能力与转型路径一次讲清
GPT-6 Sol要来了？OpenAI本周或迎“发布狂潮”一款在浏览器里运行、部署在自己服务器上的 SQL 客户端大促GMV猛涨500%：激光雕刻设备靠"创意落地"出海东南亚