研究评测六款AI工具文献综述能力：检索受限、误判常见

Abdullah Al Kalbani 等发布论文（arXiv:2611.05459），以一篇西班牙羽流天气型综述及其 102 篇文献语料为基准，评测六款 AI 工具在文献检索、解读、综合与提出未来研究四个环节的表现。研究者称，大语言模型可辅助发现和解读科学文献，尤其在有机构访问权限时，但无法替代专家判断来评估证据或综合研究。 结果上，初始检索中五款工具共找出 57 篇文献、单款最佳 42 篇；机构图书馆访问权限使 Codex 从 42 提升到 82 篇、Claude Code 从 15 提升到 79 篇。拿到完整语料后，三款工具找全了 18 篇核心文献，但把 40%–79% 的顺带提及误判为核心文献。

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。