基于Agentic AI的系统文献综述自动化工具AgentSLR
信息检索
2026-03-25 v1 人工智能
数字图书馆
摘要
系统文献综述是综合科学证据的关键手段，但成本高昂、难以扩展且耗时，制约了以证据为基础的政策制定。我们研究了大型语言模型是否能够自动化完成从文献检索、文章筛选、数据抽取到报告综述的完整系统综述工作流程。应用于针对九个WHO指定的优先病原体的流行病学综述，并经专家精选的真实数据验证，我们的开源智能体管道（AgentSLR）在性能上与人类研究者相当，但将综述时间从约7周缩短至20小时（实现58倍的速度提升）。我们比较了五个前沿模型，发现模型在SLR任务上的表现更多取决于模型的独特能力，而非模型规模或推理成本。通过人类在环验证，我们识别出了关键性 failure 模式。我们的结果表明，Agentic AI在专门领域的科学证据综合方面具有显著的加速作用。
引用
@article{arxiv.2603.22327,
title = {AgentSLR: Automating Systematic Literature Reviews in Epidemiology with Agentic AI},
author = {Shreyansh Padarha and Ryan Othniel Kearns and Tristan Naidoo and Lingyi Yang and Łukasz Borchmann and Piotr BŁaszczyk and Christian Morgenstern and Ruth McCabe and Sangeeta Bhatia and Philip H. Torr and Jakob Foerster and Scott A. Hale and Thomas Rawson and Anne Cori and Elizaveta Semenova and Adam Mahdi},
journal= {arXiv preprint arXiv:2603.22327},
year = {2026}
}