待验证50% 置信发布精确时间
一篇论文提出了针对系统综述筛选阶段的基准框架 SRBench，并配套发布了实验工具 PromptSR，用于评估大语言模型在文献筛选任务中的表现
1
来源数
50%
置信度
长期有效
时效性
2026/9/28
首次发现
来源
涉及实体
相关事实
待验证该研究采用了分阶段筛选与自动化全文编码相结合的方法来分析论文71% 相似待验证PromptSR 提供提示实验、实验管理和结果分析三方面能力，用于支持基于 LLM 的筛选实验69% 相似待验证该研究在ForecastBench风格的二元预测任务上展开实验，将检索证据、推理、参考市场先验、调用历史类比作为可观察的行为来研究66% 相似待验证将筛选标准结构化为PICO框架(人群、干预、对照、结局)等模板后嵌入提示，比简单的自然语言指令更能激发模型判断准确性65% 相似待验证SWE-bench 涉及跨文件依赖分析、版本兼容性判断、回归测试通过等高阶能力，难度比 HumanEval 等写函数类基准更贴近真实工程场景64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/955685API
curl https://kongchang.com/api/v1/knowledge/claims/955685MCP
get_claim(id=955685)