利用大型语言模型对疾病传播模型进行系统文献综述

arXiv:2608.26150v1 公告类型：新 摘要：大型语言模型（LLM）的最新进展为简化和潜在自动化许多研究过程（包括系统文献综述（SLR））创造了新的机会。本研究报告了 LLM 管道开发，用于从 536 篇经过同行评审的基于代理的建模论文中提取模型相关信息。我们将结果与人类进行的单反相机的结果进行比较。我们的结果显示，GPT-4.1 的论文级准确率约为 77.95%，GPT-5.0 的论文级准确率约为 81.67%。字段级准确度范围从 32.40% 到 100.00%，更复杂或主观的字段执行的可靠性较低。重要的是，我们发现法学硕士之间的一致性是输出质量的潜在指标：一致性低可能表示幻觉，而一致性高且准确度低可能表明人类数据集中存在噪音或错误。总体而言，我们的研究为快速开发提供了实用的见解，并强调了在建模和仿真领域将法学硕士用于全面 SLR 的潜力和局限性。