研究者提出LLM文献筛选评估建议与WMCC指标
热点事件观察中
研究者提出LLM文献筛选评估建议与WMCC指标
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Lech Madeyski、Barbara Kitchenham 与 Martin Shepperd 发表论文，提出名为 LLM4SCREENLIT 的评估建议，用于衡量大语言模型在系统综述文献筛选中的表现，并给出加权 Matthews 相关系数（WMCC），该指标兼顾误分类成本不对称。 据论文，这套建议面向开展 LLM 筛选评估的研究者，以及评审此类研究的编辑和审稿人，并按研究类型区分：回顾性基准测试，或针对特定系统综述的实际部署。
AI 根据报道生成 · 10 小时前更新
最新进展11月14日 13:00
LLM4SCREENLIT：系统综述文献筛选中 LLM 性能评估建议报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AILLM4SCREENLIT：系统综述文献筛选中 LLM 性能评估建议
研究者提出 LLM4SCREENLIT 建议，用于评估 LLM 在系统综述文献筛选中的表现，并给出兼顾误分类成本不对称的加权 Matthews 相关系数（WMCC）。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 711月15日 04:00
- 近 24 小时变化
- –
02468
04:0006:0008:0010:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。