本研究提出了一种采用多个AI代理进行系统性文献综述的创新系统，并对其进行了深入的概念阐述和严谨的实证评估。
SLR已成为证据驱动研究的基石，助力研究者依据特定问题筛选、归类并整合现有研究成果。尽管在近几年，研究者已在部分环节实现SLR过程的自动化以节省时间和精力，但仍未出现能全程自动化的AI代理模型。为解决这一问题，我们创新设计了一款多AI代理模型，它能全面自动完成SLR全过程。借助LLMs的强大功能，此模型极大地简化了审阅流程，提升了精准度和效率。用户只需在一个友好界面上输入研究主题，模型将自动生成对应搜索串，检索相关学术文献。之后模型会进行包含和排除的双重筛选，重点关注与特定研究领域紧密相关的文章标题。接着，模型将智能概括这些论文摘要，只保留与研究领域直接相关的部分。最后，模型将围绕预设研究问题深入剖析精选出的论文。我们邀请了十位资深软件工程研究人员对该模型进行试用与分析，他们对此模型反响热烈并提出了宝贵的改进建议。该项目源代码已发布在GitHub库https://github.com/GPT-Laboratory/ SLR-automation 上。
原文链接:https://arxiv.org/abs/2403.08399