基于大型语言模型的自动综述生成方法
计算与语言
2025-05-02 v5 人工智能
数据分析、统计与概率
摘要
文献研究是科学工作中至关重要的环节，面临信息量激增超出研究者处理能力的挑战。我们提出了一种基于大型语言模型(LLM)的自动综述生成方法，以克服效率瓶颈并降低认知负荷。我们的统计验证评估框架显示，生成的综述质量匹配甚至超过手动综述，具有广泛适用性，不需用户具备领域知识。应用于丙烷脱氢化(PDH)催化剂，我们的方法快速分析了 343 篇文献，平均每篇文章耗时几秒钟，生成覆盖 35 个主题的综合性综述，扩展分析 1041 篇文章，提供了关于催化剂特性的深入见解。通过多层质量控制，我们有效缓解了 LLM 的幻觉问题，专家验证确认了准确性和引用完整性，同时表明幻觉风险可降至 0.5% 以下，置信度达 95%。发布的 Windows 应用程序实现一键式综述生成，提升了研究生产力和文献推荐效率，为更广泛的科学探索奠定了基础。
引用
@article{arxiv.2407.20906,
title = {Automated Review Generation Method Based on Large Language Models},
author = {Shican Wu and Xiao Ma and Dehui Luo and Lulu Li and Xiangcheng Shi and Xin Chang and Xiaoyun Lin and Ran Luo and Chunlei Pei and Changying Du and Zhi-Jian Zhao and Jinlong Gong},
journal= {arXiv preprint arXiv:2407.20906},
year = {2025}
}
备注
Code: https://github.com/TJU-ECAT-AI/AutomaticReviewGeneration Data: https://github.com/TJU-ECAT-AI/AutomaticReviewGenerationData This research has been invited for a Short Oral presentation at the 18th ICC - International Congress on Catalysis, taking place in Lyon, France from July 14-19, 2024 Published at https://doi.org/10.1093/nsr/nwaf169 for newer edition