【精选论文】上海大学孙强教授团队：本地大语言模型助力表面反应领域文献挖掘

本研究提出了一种基于本地大语言模型（Local LLM）的非结构化文本科学数据提取方法，应用于表面化学反应领域的科研文献挖掘。通过提示词工程结合多步文本预处理，该方法在保持较低算力需求与数据隐私性的前提下，实现了较高的信息提取召回率和精确率。研究表明，本地大语言模型的性能与GPT-3.5 Turbo和GPT-4o相当，但具有流程简洁、适用性强、运算成本低、隐私性高等特点。该方法为科研场景的复杂数据提供了轻量化的解决方案，有助于推动大语言模型在各领域的深入应用与发展。