LR-Robot：基于大型语言模型的实时系统性文献综述统一监督智能框架
综合金融
2026-03-19 v1
摘要
近期的人工智能（AI）和自然语言处理（NLP）技术进展使得支持系统性文献综述（SLR）的工具不断涌现，但现有框架往往在效率与情境适用性之间存在权衡，需大量专家监督。该框架采用人类在环（human-in-the-loop）过程来定义子任务、评估模型并确保方法学严谨，同时利用结构化知识源和检索增强生成（RAG）来增强事实依托和透明度。LR-Robot支持多维度分类，将研究文献之间的关系进行映射，识别高影响力的工作，并支持历史、细粒度的主题演化分析。我们以期权定价案例研究为例，实现了全面的文献分析。实证结果揭示了AI在理解和综合文献方面的当前能力，发现了新兴趋势，揭示了主题之间的关联，并突显了核心研究方向。通过加速繁琐的审查阶段而保持解释性准确性，LR-Robot为AI辅助的SLR提供了一种实用、可定制且高质量的方法。关键贡献：（1）一种结合AI与专家监督以实现情境感知SLR的新框架，（2）支持多维度分类、关系映射和细粒度主题演化分析，（3）在期权定价领域实现AI驱动的文献综合的实证演示。
引用
@article{arxiv.2603.17723,
title = {LR-Robot: A Unified Supervised Intelligent Framework for Real-Time Systematic Literature Reviews with Large Language Models},
author = {Wei Wei and Jin Zheng and Zining Wang},
journal= {arXiv preprint arXiv:2603.17723},
year = {2026}
}
备注
16 pages (excludin references)