研究评测大模型进行科学文献综述的能力
Start here
2026年11月5日，arXiv发表的一项基于102篇文献基准的研究，对6款AI工具在科学文献综述方面的能力进行了评估。研究表明，大语言模型可以辅助文献发现，但无法替代专家的判断。在接入机构权限后，Codex和Claude Code的检索量分别上升至82篇与79篇。然而，这些工具将40%至79%的顺带提及误判为实质讨论。盲审测试还发现，模型生成的综述存在无依据主张和引用错误，且没有任何单一工具能在所有任务中均表现最佳。
AI-generated from reports · Updated 3 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能大语言模型能否综述科学文献？基于 102 篇论文基准的测试
一项基于 102 篇文献基准的研究评估了 6 款 AI 工具，表明大语言模型可辅助文献发现，但无法替代专家判断。接入机构权限后 Codex 和 Claude Code 检索量分别升至 82 篇与 79 篇，但工具将 40% 至 79% 的顺带提及误判为实质讨论。盲审亦发现其综述存在无依据主张与引用错误，且无单一工具在所有任务中均表现最佳。
Story heat trend
Current heat 9·Comparable peak 10（Nov 5 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.