---
format: "aidr-story-markdown/v1"
id: "d4491b2e5eb509cb96c17ea906580b3ee708bad8aa927ad513d35ff9f6692e2a"
canonical_url: "https://aidr.today/d4491b2e?lang=vi"
title: "Tự động hóa sàng lọc tài liệu và tổng hợp kiến thức bằng mô hình ngôn ngữ lớn"
lang: "vi"
requested_lang: "vi"
available_langs: ["en","vi"]
translation_fallback: null
fallback_fields: []
published_at: "2026-11-17T05:00:00.000Z"
category: "Research"
topics: ["llm"]
source_urls: ["https://arxiv.org/abs/2611.18588"]
summary: "Tài liệu khoa học đang mở rộng nhanh chóng, nhưng nhiều kiến thức vẫn khó tổ chức và tái sử dụng do khối lượng công việc khổng lồ để xử lý các tập tài liệu lớn và không đồng nhất. Tại đây, nhóm tác giả phát triển một framework dùng LLM có khả năng tổng quát hóa để tự động hóa việc sàng lọc tài liệu, trích xuất thông tin có cấu trúc và tổng hợp kiến thức trong một quy trình thống nhất. Nhóm tác giả đã benchmark 11 LLMs hàng đầu cả bản trả phí và open-weight trên ba tác vụ sàng lọc khoa học vật liệu với quy mô, kích thước tập dữ liệu và mức độ mất cân bằng lớp khác nhau. Bảy LLMs đạt độ chính xác cân bằng trên 0,90 cho tất cả các tác vụ, trong đó LLM hiệu quả nhất đạt 0,96--0,98, cho thấy tiềm năng của LLM trong việc sàng lọc chính xác các tập dữ liệu khoa học lớn và mất cân bằng cao. Framework này cũng giảm đáng kể công sức thủ công, sàng lọc 10.000 bản ghi trong vòng bốn phút, so với khoảng 83 giờ làm việc của con người khi sàng lọc thủ công."
---

# Tự động hóa sàng lọc tài liệu và tổng hợp kiến thức bằng mô hình ngôn ngữ lớn

> [Open the canonical story](<https://aidr.today/d4491b2e?lang=vi>)

**Published:** 2026-11-17T05:00:00.000Z
**Category:** Research
**Topics:** llm

## Summary

Tài liệu khoa học đang mở rộng nhanh chóng, nhưng nhiều kiến thức vẫn khó tổ chức và tái sử dụng do khối lượng công việc khổng lồ để xử lý các tập tài liệu lớn và không đồng nhất\. Tại đây, nhóm tác giả phát triển một framework dùng LLM có khả năng tổng quát hóa để tự động hóa việc sàng lọc tài liệu, trích xuất thông tin có cấu trúc và tổng hợp kiến thức trong một quy trình thống nhất\. Nhóm tác giả đã benchmark 11 LLMs hàng đầu cả bản trả phí và open\-weight trên ba tác vụ sàng lọc khoa học vật liệu với quy mô, kích thước tập dữ liệu và mức độ mất cân bằng lớp khác nhau\. Bảy LLMs đạt độ chính xác cân bằng trên 0,90 cho tất cả các tác vụ, trong đó LLM hiệu quả nhất đạt 0,96\-\-0,98, cho thấy tiềm năng của LLM trong việc sàng lọc chính xác các tập dữ liệu khoa học lớn và mất cân bằng cao\. Framework này cũng giảm đáng kể công sức thủ công, sàng lọc 10\.000 bản ghi trong vòng bốn phút, so với khoảng 83 giờ làm việc của con người khi sàng lọc thủ công\.

## Sources

- [Story source](<https://arxiv.org/abs/2611.18588>)

