本文介绍了一套基于大语言模型（LLM）的流水线，用于从 536 篇同行评审的基于代理的疾病传播模型论文中提取关键信息。首先构建了包含模型名称、参数、数据来源、验证方法等字段的结构化模板，并针对每篇论文设计了多轮提示（prompt）以引导 GPT‑4.1 与 GPT‑5.0 完成信息抽取。随后将模型输出与人工完成的系统文献综述（SLR）进行对比，计算了论文层面的准确率和字段层面的覆盖率。实验结果显示，GPT‑4.1 的整体准确率约为 77.95%，GPT‑5.0 提升至 81.67%；字段准确率在 32.40%~100.00% 之间波动，主观性强或定义模糊的字段表现较差。进一步分析发现，模型之间的一致性可以作为输出质量的潜在信号：低一致性往往伴随幻觉现象，高一致性但整体准确率仍低时，可能反映了人工标注数据中的噪声或错误。基于这些发现，本文给出了提示工程的实用建议，并讨论了在建模与仿真领域全面采用 LLM 进行 SLR 的可行性与局限性。
博主点评：该工作展示了 LLM 在文献抽取中的可行性，尤其是一致性指标的创新视角，为后续自动化综述提供了重要参考，但仍需提升对主观字段的理解能力。