AI文献综述
AI文献综述是指利用大语言模型等AI技术，自动检索、分析、归纳和撰写学术文献综述的过程。它能帮助研究人员快速掌握领域全貌，但需注意内容准确性和引用来源。
一句话解释
用AI自动完成文献的检索、阅读、归纳和综述撰写，相当于为研究者配备一名24小时工作的文献助理。
为什么会被关注
科研人员每年花费大量时间做文献调研，AI文献综述能大幅缩短这一过程，让学者专注于创新思考。
同时，AI可以处理海量文献，发现人工难以察觉的跨领域关联，提升综述的全面性和客观性。
核心逻辑
基于大语言模型和检索增强生成（RAG）技术，先通过语义检索获取相关论文，再用模型提取关键信息，最后按逻辑结构组织成综述。
过程中需依赖高质量数据库和引用溯源机制，确保生成的综述有据可查，避免幻觉问题。
常见场景
包括开题前的领域速览、论文引言写作、基金申请中的研究现状分析、教学中的知识梳理等。
不少学术工具如Connected Papers、Scite已集成AI综述功能，用户只需输入主题即可获得初稿。
容易混淆的点
AI文献综述与单纯的文章摘要生成不同，它强调对多篇文献的比较、分析以及结构化输出。
另外，用户常误以为AI综述完全准确，实际仍需人工审核关键结论和引用，避免依赖错误信息。
本文内容用于 AI 热词解释和概念整理，仅供学习和理解参考。若涉及表述偏差或内容修正，欢迎联系站点进行更新。
相关热词RAG（检索增强生成）是一种将信息检索与大语言模型生成能力相结合的技术范式。它让模型在回答前，先从外部知识库中查找相关文档，然后基于这些检索到的准确信息进行生成，从而显著提升回答的准确性、时效性和可追溯性。
大语言模型是一种基于海量文本数据训练的人工智能模型，能够理解、生成和推理人类语言。它通过深度学习技术，学习语言的统计规律和语义关联，从而完成对话、写作、翻译等多种任务，是当前生成式AI浪潮的核心驱动力。
知识图谱是一种用图结构来建模和表示现实世界中实体、概念及其复杂关系的技术。它通过节点和边，将散乱的信息编织成一张巨大的语义网络，旨在让机器能够像人类一样理解和推理知识间的关联。