System for systematic literature review using multiple AI agents: Concept and an empirical evaluation

系统性文献综述（SLR）已成为循证研究的基础，使研究人员能够根据特定的研究问题识别、分类和结合现有研究。进行SLR主要是一个手动的过程。在过去几年中，研究人员在自动化SLR过程的某些阶段方面取得了重大进展，旨在减少进行高质量SLR所需的工作量和时间。然而，仍缺乏完全自动化整个SLR过程的基于AI代理的模型。为此，我们介绍了一种新颖的多AI代理模型，旨在完全自动化进行SLR的过程。通过利用大型语言模型（LLMs）的能力，我们提出的模型简化了审查过程，提高了效率和准确性。该模型通过一个用户友好的界面操作，研究人员输入他们的主题，然后模型生成一个用于检索相关学术论文的搜索字符串。随后，应用包容和排除过滤过程，聚焦于与特定研究领域相关的标题。然后，模型自动总结这些论文的摘要，仅保留与研究领域直接相关的论文。在最后阶段，模型对所选论文进行了关于预定义研究问题的彻底分析。我们还通过与十名熟练的软件工程研究人员分享该模型进行了测试和分析。研究人员对该模型表示强烈的满意，并提供了进一步改进的反馈意见。该项目的代码可以在GitHub存储库https://github.com/GPT-Laboratory/SLR-automation上找到。

提出一种全自动化的SLR过程的AI代理模型，解决SLR过程中仍然需要手动操作的问题。

使用大型语言模型（LLMs）完全自动化SLR过程，包括生成搜索字符串、筛选论文、自动摘要和分析。

模型操作简单易用，减少了SLR过程的时间和精力成本，同时提高了准确性。研究人员进行了测试和分析，并提供了反馈以进一步改进。代码已经在GitHub上开源。

近年来，研究人员已经在自动化SLR过程的某些阶段取得了进展，但仍然缺乏完全自动化的AI代理模型。