論文の概要: Leveraging Large Language Models for Systematic Literature Review of Disease Spread Models

• arxiv url: http://arxiv.org/abs/2608.26150v1
• Date: Wed, 01 Jul 2026 15:15:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.365251
• Title: Leveraging Large Language Models for Systematic Literature Review of Disease Spread Models
• Title（参考訳）: 大規模言語モデルの活用による疾患拡散モデルの体系的文献レビュー
• Abstract要約: 大きな言語モデル(LLM)は、多くの研究プロセスを合理化し、自動化する新たな機会を生み出しました。 本研究では、536のピアレビューエージェントに基づくモデリング論文からモデル関連情報を抽出するLLMパイプラインの開発について報告する。 その結果, GPT-4.1は77.95%, GPT-5.0は81.67%であった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advancements in Large Language Models (LLMs) have created new opportunities to streamline and potentially automate many research processes, including systematic literature reviews (SLRs). This study reports an LLM pipeline development for extracting model-relevant information from 536 peer-reviewed agent-based modeling papers. We compare the results with those of a human-conducted SLR. Our results show paper-level accuracies of approximately 77.95% for GPT-4.1 and 81.67% for GPT-5.0. Field-level accuracy ranges from 32.40% to 100.00%, with more complex or subjective fields performing less reliably. Importantly, we find that agreement between LLMs is a potential indicator of output quality: low agreement may signal hallucinations, whereas high agreement combined with low accuracy may point to noise or errors in the human dataset. Overall, our study provides practical insights into prompt development and highlights both the potential and limitations of using LLMs for full-scale SLRs in the modeling and simulation domain.
• Abstract（参考訳）: 大規模言語モデル(LLM)の最近の進歩は、体系的文献レビュー(SLR)を含む多くの研究プロセスを合理化し、自動化する新たな機会を生み出している。 本研究では、536のピアレビューエージェントに基づくモデリング論文からモデル関連情報を抽出するLLMパイプラインの開発について報告する。 結果と人間の導電性SLRとの比較を行った。 その結果, GPT-4.1は77.95%, GPT-5.0は81.67%であった。 フィールドレベルの精度は32.40%から100.00%の範囲で、より複雑または主観的なフィールドは信頼性が低い。 重要なことは、LLM間の合意は出力品質の潜在的指標であり、低い合意は幻覚を示唆しうるが、低い精度と高い合意は人間のデータセットのノイズや誤りを示唆する。 本研究は, シミュレーション領域において, LLMをフルスケールのSLRに適用する可能性と限界を両立させ, 迅速な開発に関する実践的な知見を提供する。

関連論文リスト

• GSAP-ERE: Fine-Grained Scholarly Entity and Relation Extraction Focused on Machine Learning [6.628044635306078]
  GSAP-EREは、10のエンティティタイプと18のセマンティックな分類された関係型を持つ、手動でキュレートされたきめ細かなデータセットである。 我々のデータセットは、下流タスクに関連する情報を自動的に抽出する微調整モデルを可能にする。 我々は、最先端のプロンプト手法の性能が、我々の最高の微調整モデルによって大きく改善されていることを観察する。
  論文  参考訳（メタデータ） (2025-11-12T15:26:07Z)
• Exploring the use of a Large Language Model for data extraction in systematic reviews: a rapid feasibility study [0.28318468414401093]
  本稿では,大規模言語モデル (LLM) である GPT-4 を用いて,体系的レビューにおけるデータ抽出(セミ)の実現可能性について述べる。 その結果,約80%の精度で,領域間での変動が認められた。
  論文  参考訳（メタデータ） (2024-05-23T11:24:23Z)
• PoLLMgraph: Unraveling Hallucinations in Large Language Models via State Transition Dynamics [51.17512229589]
  PoLLMgraphは、大規模言語モデルのためのモデルベースのホワイトボックス検出および予測手法である。 LLMの内部状態遷移ダイナミクスを解析することにより,幻覚を効果的に検出できることを示す。 我々の研究は、LLMのモデルベースのホワイトボックス分析の新しい手法を開拓し、LLMの振る舞いの複雑なダイナミクスをさらに探求し、理解し、洗練する研究コミュニティを動機付けている。
  論文  参考訳（メタデータ） (2024-04-06T20:02:20Z)
• How Easy is It to Fool Your Multimodal LLMs? An Empirical Analysis on Deceptive Prompts [54.07541591018305]
  提案するMAD-Benchは,既存のオブジェクト,オブジェクト数,空間関係などの5つのカテゴリに分割した1000の試験サンプルを含むベンチマークである。 我々は,GPT-4v,Reka,Gemini-Proから,LLaVA-NeXTやMiniCPM-Llama3といったオープンソースモデルに至るまで,一般的なMLLMを包括的に分析する。 GPT-4oはMAD-Bench上で82.82%の精度を達成するが、実験中の他のモデルの精度は9%から50%である。
  論文  参考訳（メタデータ） (2024-02-20T18:31:27Z)
• Fairness of ChatGPT and the Role Of Explainable-Guided Prompts [6.079011829257036]
  本研究では,大規模言語モデル(LLM),特に OpenAI の GPT の信用リスク評価における可能性について検討する。 この結果から,LLMは従来の機械学習(ML)モデルの性能を並列化できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-07-14T09:20:16Z)
• On Learning to Summarize with Large Language Models as References [101.79795027550959]
  大型言語モデル (LLM) は、一般的な要約データセットにおける元の参照要約よりも人間のアノテーションに好まれる。 より小さなテキスト要約モデルに対するLLM-as-reference学習設定について検討し,その性能が大幅に向上するかどうかを検討する。
  論文  参考訳（メタデータ） (2023-05-23T16:56:04Z)
• Large Language Models are Not Yet Human-Level Evaluators for Abstractive Summarization [66.08074487429477]
  抽象的な要約のための自動評価器として,大規模言語モデル(LLM)の安定性と信頼性について検討する。 また、ChatGPTとGPT-4は、一般的に使われている自動測定値よりも優れていますが、人間の代替品として準備ができていません。
  論文  参考訳（メタデータ） (2023-05-22T14:58:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。