六款AI工具写综述，102篇文献基准测试

事件综述根据 2 篇报道整理，11月5日更新

David M. Schultz等作者发布预印本研究，以Schultz等2025年西班牙羽流综述的102篇文献为基准，分四步测试六款AI工具写文献综述的能力：检索文献、逐篇判读、跨文献综合、提出未来方向。测试对象为ChatGPT Deep Research、Gemini Deep Research、Claude、Codex、Claude Code和NotebookLM，均使用各提供商的入门级付费套餐，凡有推理强度设置的产品每个任务都调至最高；结果对应2026年7月至8月可用的版本。 第一步检索文献由五款工具参与，第二步判读每篇时有三款工具拿到全部102篇PDF。研究称，在配对测试中，Codex登录前检索到42篇基准文献、登录后为82篇，Claude Code从15篇增至79篇。基准综述及其补充数据库和分类在每次实验中都未提供给任何工具。现有材料未给出各工具的具体得分或结论。

综述由模型根据报道生成，细节以各篇原文为准。