研究评测大模型进行科学文献综述的能力

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 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。