ARTFEED — Contemporary Art Intelligence

I LLM trasformano la scoperta della letteratura scientifica

publication · 2026-07-30

Un recente capitolo esamina 34 studi peer-reviewed che utilizzano modelli linguistici di grandi dimensioni (LLM) generativi per il recupero e lo screening della letteratura scientifica. Questa ricerca è stata identificata attraverso una ricerca booleana all'interno del grafico OpenAIRE, restringendo da 1.589 record a 34 articoli selezionati. Vengono discussi gli LLM implementati, la loro accessibilità e personalizzazione, le strategie di prompting, i metodi architetturali, le fonti di verità di base e gli standard di valutazione. Con la rapida espansione delle pubblicazioni accademiche, individuare i lavori rilevanti è diventato sempre più difficile, poiché i metodi di ricerca tradizionali si basano ancora su query create manualmente e revisioni laboriose. Al contrario, gli LLM generativi forniscono una soluzione più adattabile, facilitando il recupero della letteratura e la valutazione degli studi in base a criteri di idoneità.

Fatti principali

  • 34 articoli peer-reviewed esaminati
  • Ricerca booleana sul grafico OpenAIRE
  • 1.589 record scremati a 34 inclusioni
  • LLM utilizzati per il recupero e lo screening della letteratura
  • I sistemi di ricerca convenzionali si basano su query manuali
  • Gli LLM generativi offrono un'alternativa flessibile
  • Lo studio caratterizza LLM, accesso, adattamento, tecniche, verità di base, metriche di valutazione
  • La rapida crescita della letteratura accademica rende difficile l'identificazione

Entità

Istituzioni

  • OpenAIRE Graph

Fonti