論文の概要: ReviewPilot: A Multi-Agent System for Screening and Data Extraction in Systematic Reviews

• arxiv url: http://arxiv.org/abs/2610.21042v1
• Date: Thu, 15 Oct 2026 00:34:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.109823
• Title: ReviewPilot: A Multi-Agent System for Screening and Data Extraction in Systematic Reviews
• Title（参考訳）: ReviewPilot: システムレビューにおけるスクリーニングとデータ抽出のためのマルチエージェントシステム
• Abstract要約: 体系的な文献レビューは、学術的な作品を審査し、含まれた研究から証拠を抽出するPRISMAプロセスに従っている。 大規模言語モデル(LLM)に基づくディープリサーチツールは、文献を検索して要約することができるが、どの研究が除外されたか、抽出された値がどこから来たかは記録していない。 紙のスクリーニングから情報抽出まで,PRISMAワークフローを自動化するReviewPilotと呼ばれる対話型マルチエージェントシステムを開発した。
• 参考スコア（独自算出の注目度）: 13.924056616146594
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Systematic literature reviews follow the PRISMA process of screening scholarly works and extracting evidence from included studies. Deep research tools based on large language models (LLMs) can search and summarize the literature but do not record which studies are excluded or where extracted values come from. We develop a conversational multi-agent system called ReviewPilot that automates the PRISMA workflow from paper screening to information extraction. Researchers can tailor criteria and schemas through dialogue, and a project memory keeps their configurations and revisions. Each screening decision comes with its reason and each extracted value with its source. On epidemiological expert reviews, ReviewPilot outperforms a single-prompt LLM and AgentSLR across three LLMs, with screening macro F1 up to 0.776 and extraction F1 up to 0.788. Case studies in biomedicine and human-computer interaction show close agreement with human annotators, suggesting that ReviewPilot can transfer beyond epidemiology. Code is available at https://github.com/ZhaoqianXue/ReviewPilot.
• Abstract（参考訳）: 体系的な文献レビューは、学術的な作品を審査し、含まれた研究から証拠を抽出するPRISMAプロセスに従っている。 大規模言語モデル(LLM)に基づくディープリサーチツールは、文献を検索して要約することができるが、どの研究が除外されたか、抽出された値がどこから来たかは記録していない。 紙のスクリーニングから情報抽出まで,PRISMAワークフローを自動化するReviewPilotと呼ばれる対話型マルチエージェントシステムを開発した。 研究者は対話を通じて基準とスキーマを調整でき、プロジェクトのメモリは設定とリビジョンを保持します。 各スクリーニング決定は、その理由と、そのソースから抽出された値によって行われる。 疫学の専門家によるレビューでは、ReviewPilotは3つのLSMで単一プロンプトLLMとAgenSLRを上回り、マクロF1を0.776まで、F1を0.788まで抽出する。 バイオメディシンおよびヒト-コンピュータ相互作用のケーススタディでは、ヒトのアノテーターと密接な一致を示し、ReviewPilotは疫学を超えて移行可能であることを示唆している。 コードはhttps://github.com/ZhaoqianXue/ReviewPilot.comで入手できる。

関連論文リスト

• MedConclusion: A Benchmark for Biomedical Conclusion Generation from Structured Abstracts [6.305549902494417]
  MedConclusionは、バイオメディカルな結論生成のための構造化抽象化の大規模データセットである。 各インスタンスは、抽象的でない部分とオリジナルの著者による結論とをペアリングする。 MedConclusionには、バイオメディカルカテゴリやSJRといったジャーナルレベルのメタデータも含まれている。
  論文  参考訳（メタデータ） (2026-04-07T22:34:02Z)
• scPilot: Large Language Model Reasoning Toward Automated Single-Cell Analysis and Discovery [35.61445738447131]
  scPilotは、オミクスネイティブ推論を実践する最初の体系的なフレームワークである。 コアシングルセル解析をステップバイステップ推論問題に変換する。 o1を用いた実験では、反復的なオミクスネイティブ推論が平均精度を11%上げることが示された。
  論文  参考訳（メタデータ） (2026-02-12T06:04:11Z)
• Large Language Model-Based Agents for Automated Research Reproducibility: An Exploratory Study in Alzheimer's Disease [1.9938547353667109]
  我々は、National Alzheimer's Coordinating Centerの“Quick Access”データセットを使用しました。 NACCデータを用いて,高度に引用された論文を同定した。 コードの記述と実行を担当するLLMベースの自律エージェントのシミュレーション研究チームを作成しました。
  論文  参考訳（メタデータ） (2025-05-29T01:31:55Z)
• Zero-Shot Document-Level Biomedical Relation Extraction via Scenario-based Prompt Design in Two-Stage with LLM [6.26004554105527]
  ハードウェアと労働コストの低い汎用大言語モデル (LLM) を用いて, 注釈のない完全文書から同じ結果を得るための新しい手法を提案する。 我々のアプローチは、名前付きエンティティ認識(NER)と関係抽出(RE)の2つの主要な段階を組み合わせる。 本稿では,プロンプトの有効性を高めるために,5部テンプレート構造とシナリオに基づくプロンプト設計の原理を提案する。
  論文  参考訳（メタデータ） (2025-05-02T07:33:20Z)
• MatPlotAgent: Method and Evaluation for LLM-Based Agentic Scientific Data Visualization [86.61052121715689]
  MatPlotAgentは、科学的データ可視化タスクを自動化するために設計された、モデルに依存しないフレームワークである。 MatPlotBenchは、100人の検証されたテストケースからなる高品質なベンチマークである。
  論文  参考訳（メタデータ） (2024-02-18T04:28:28Z)
• Large Language Model Distilling Medication Recommendation Model [58.94186280631342]
  大規模言語モデル(LLM)の強力な意味理解と入力非依存特性を利用する。 本研究は, LLMを用いて既存の薬剤推奨手法を変換することを目的としている。 これを軽減するため,LLMの習熟度をよりコンパクトなモデルに伝達する機能レベルの知識蒸留技術を開発した。
  論文  参考訳（メタデータ） (2024-02-05T08:25:22Z)
• Zero-shot Generative Large Language Models for Systematic Review Screening Automation [55.403958106416574]
  本研究では,ゼロショット大言語モデルを用いた自動スクリーニングの有効性について検討した。 本研究では, 8種類のLCMの有効性を評価し, 予め定義されたリコール閾値を用いた校正手法について検討する。
  論文  参考訳（メタデータ） (2024-01-12T01:54:08Z)

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。