小语言模型助力人机交互系统综述：速度提升千倍，准确率达九成

社会物理人机交互（spHRI）作为跨机器人学、人机交互与触觉技术的前沿领域，近年发展迅猛，但术语碎片化与方法论不一致给系统综述带来挑战。为提升大规模文献综述效率，研究团队创新性地评估了小语言模型在标题与摘要筛选中的辅助能力。

实验显示，参数量小于15亿的小语言模型虽未能达到人类评审员的准确水平，但其本地化运行特性带来革命性效率提升——筛选速度比人工快数个数量级。更值得注意的是，通过集成多个小模型组成的模型组合，系统成功识别出39篇人工评审遗漏的相关文献，占最终相关论文集的10.29%。

这项发表于arXiv的研究表明，小语言模型可作为专家评审的有效补充工具，在保持学术严谨性的同时，使大规模文献综述变得可持续且更易实施。该方法为快速发展的交叉学科领域提供了可扩展的文献分析范式，特别适合术语体系尚未标准化、文献量激增的研究方向。