डोमेन-विशिष्ट बड़े भाषा मॉडल फाइन-ट्यूनिंग के साथ अनुसंधान संश्लेषण का स्वचालन

यह शोध सिस्टमेटिक साहित्य समीक्षा (SLRs) को स्वचालित करने के लिए फाइन-ट्यून किए गए बड़े भाषा मॉडलों (LLMs) के उपयोग में अग्रणी है, जो शैक्षिक अनुसंधान पद्धतियों को बेहतर बनाने के लिए AI के समेकन में एक महत्वपूर्ण और नवीन योगदान प्रस्तुत करता है। हमारे अध्ययन ने नवीनतम फाइन-ट्यूनिंग विधियों के साथ ओपन-सोर्स LLMs का उपयोग किया, और ज्ञान संश्लेषण से संबंधित SLR प्रक्रिया के अंतिम निष्पादन चरणों को स्वचालित करने के लिए एक व्यावहारिक और कुशल दृष्टिकोण प्रदर्शित किया। परिणामों ने LLM प्रतिक्रियाओं में तथ्यों की उच्च सटीकता बनाए रखी और मौजूदा PRISMA-अनुरूप SLR की पुनरावृत्ति के माध्यम से मान्य किए गए। हमारे शोध ने LLM मतिभ्रम को कम करने के लिए समाधान प्रस्तावित किए और LLM प्रतिक्रियाओं को उनके सूचना स्रोतों से ट्रैक करने के तंत्र सुझाए, जिससे यह सिद्ध हुआ कि यह दृष्टिकोण विद्वतापूर्ण अनुसंधान की कठोर मांगों को पूरा कर सकता है। निष्कर्षों ने अंततः साहित्य समीक्षाएं करने की विभिन्न श्रम-सघन प्रक्रियाओं को सरल बनाने में फाइन-ट्यून किए गए LLMs की संभावना की पुष्टि की। इस दृष्टिकोण की संभावनाओं और इसके सभी अनुसंधान क्षेत्रों में प्रयोज्य होने के कारण, इस आधारभूत अध्ययन ने PRISMA रिपोर्टिंग दिशानिर्देशों को AI-संचालित प्रक्रियाओं को शामिल करने के लिए अद्यतन करने की भी वकालत की, जिससे भविष्य के SLRs में पद्धतिगत पारदर्शिता और विश्वसनीयता सुनिश्चित हो सके। यह अध्ययन विभिन्न शैक्षणिक और अनुसंधान क्षेत्रों में AI-संवर्धित उपकरणों की पहुँच को विस्तारित करता है, लगातार बढ़ते शैक्षणिक अध्ययनों की मात्रा के बावजूद अधिक कुशलता के साथ व्यापक और सटीक साहित्य समीक्षाएं करने के लिए एक नया मानक स्थापित करता है।