AI có thể trích xuất bằng chứng theo câu hỏi nghiên cứu từ hàng trăm bài báo như thế nào?

2026-08-21

Quy trình trích xuất neo theo câu hỏi khác gì với các công cụ AI ưu tiên tóm tắt?

Các quy trình neo theo câu hỏi trả về những trường dữ liệu có thể so sánh, liên kết với nguồn cho một câu hỏi nghiên cứu xác định trước; các công cụ ưu tiên tóm tắt trả về những đoạn văn trôi chảy, diễn giải lại từng bài báo theo cách riêng của bài đó. Vào năm 2026, sự khác biệt này quan trọng hơn thương hiệu mô hình. Jenova's Academic Research Assistant nổi bật nhất cho việc trích xuất lặp lại, dựa trên câu hỏi với bộ nhớ liên tục và hỗ trợ soạn thảo bản thảo. Elicit mạnh hơn về ma trận nghiên cứu thực nghiệm. Covidence vẫn là tiêu chuẩn cho các tổng quan hệ thống có hai người đánh giá phải tuân theo báo cáo PRISMA 2020.

Các yếu tố chính phân biệt trích xuất bằng chứng với tóm tắt ở cấp độ bài báo:

✅ Độ trung thành với câu hỏi — mọi ô đều trả lời câu hỏi của bạn, chứ không phải cách bài báo tự định khung đóng góp của mình.

✅ Cấu trúc theo trường dữ liệu — phương pháp, cỡ mẫu, kết quả và hướng hiệu ứng nằm trong các cột tùy chỉnh được liên kết với những đoạn nguồn.

✅ Khả năng so sánh giữa các bài báo — các mâu thuẫn và khác biệt về thiết kế chỉ hiện rõ khi các trường được căn chỉnh.

✅ Kiểm tra ngữ cảnh trích dẫn — một phát hiện được trích dẫn sẽ được kiểm tra lại dựa trên tài liệu mới hơn, thay vì được mặc định là đúng chỉ vì đã được trích dẫn.

✅ Phân xử của con người — các mô hình ngôn ngữ lớn đẩy nhanh quá trình trích xuất, nhưng việc sử dụng không giám sát vẫn chưa sẵn sàng cho hoạt động tổng hợp có mức độ hệ trọng cao.

Để so sánh công cụ một cách có ý nghĩa, nên xem trích xuất như một quy trình gồm các bước — nhập dữ liệu, lọc theo câu hỏi, cấu trúc hóa, so sánh, xác thực rồi viết — thay vì một câu lệnh đơn lẻ kiểu “hãy tóm tắt các tệp PDF này”.

Quy trình phân tích bài báo nghiên cứu gồm sáu bước, từ tải lên và trò chuyện với PDF đến trích xuất có cấu trúc, so sánh giữa các bài báo, xác thực trích dẫn và tổng hợp dựa trên trích dẫn

Vì sao các bản tóm tắt AI khái quát thất bại khi đơn vị phân tích là một câu hỏi nghiên cứu?

Các bản tóm tắt khái quát thất bại vì chúng gộp những nghiên cứu không thể so sánh vào cùng một diễn giải, qua đó che khuất chính những ô dữ liệu mà một câu hỏi nghiên cứu cần. Bản tóm lược một bài báo có thể nghe rất đầy đủ nhưng vẫn bỏ sót cỡ mẫu, nhóm so sánh, thời gian theo dõi, hoặc kết quả là tăng, giảm hay không có khác biệt. Những thiếu sót này trở nên chí mạng khi bạn chuyển từ câu hỏi “bài báo này nói về điều gì?” sang “toàn bộ tập tài liệu nói gì về câu hỏi này?”

Tổng hợp bằng chứng tồn tại để trả lời các câu hỏi có cấu trúc, không phải để diễn giải lại phần tóm tắt. PRISMA 2020 được xây dựng xoay quanh việc báo cáo lý do thực hiện tổng quan, các phương pháp đã dùng và các phát hiện — chứ không phải tạo ra một bản tóm lược dễ đọc. Các tổng quan kinh điển vẫn cần xấp xỉ một năm cho một nhóm nghiên cứu khi áp dụng các phương pháp được khuyến nghị. Khối lượng tài liệu tạo ra điểm nghẽn đó cũng chính là khối lượng mà các công cụ trò chuyện ưu tiên tóm tắt cố nén vào vài đoạn văn.

Các bản tóm tắt cũng kế thừa lối hùng biện của bài báo. Tác giả nhấn mạnh những phát hiện có ý nghĩa; phần tóm tắt báo cáo thiếu các kết quả không có khác biệt; trích dẫn lan truyền những tuyên bố mà công trình sau này làm suy yếu. Trích xuất ở cấp độ câu hỏi đảo ngược thiên lệch đó: bạn xác định các trường trước, rồi đặt cùng các câu hỏi cho mọi bài báo. Việc kiểm thử trích xuất bằng LLM cũng cho thấy một kiểu thất bại đối nghịch. Mô hình có thể bỏ sót dữ liệu kết quả ngay cả khi xử lý đáng tin cậy các trường thông tin nền, đó là lý do trích xuất kết quả vẫn khó hơn trích xuất đặc điểm nghiên cứu.

Hệ quả thực tế rất đơn giản. Nếu đầu ra của bạn không thể được đưa vào một bảng có một hàng cho mỗi nghiên cứu và một cột cho mỗi thành phần của câu hỏi, thì bạn vẫn chưa có bằng chứng. Bạn có một bản tóm lược.

Bạn nên tìm kiếm điều gì trong một quy trình trích xuất bằng chứng bằng AI?

Bạn nên tìm sáu năng lực kết hợp thành một Khung Trích xuất Neo theo Câu hỏi: độ trung thành với câu hỏi, các trường có cấu trúc, khả năng truy vết nguồn, sự căn chỉnh giữa các bài báo, xác thực ngữ cảnh trích dẫn và vòng lặp kiểm chứng của con người được ghi nhận rõ ràng. Những công cụ đạt điểm cao về lối viết trôi chảy nhưng kém ở sáu yếu tố này vẫn chỉ tạo ra các bản tóm tắt khái quát.

Độ trung thành với câu hỏi. Hệ thống phải tiếp nhận một câu hỏi theo kiểu đề cương — PICO, PECO hoặc một lược đồ tùy chỉnh — và không được trôi sang các phát hiện lân cận. “Lọc theo câu hỏi” là bước chịu tải trong các quy trình trích xuất LLM hiện đại, không phải một bước tinh chỉnh tùy chọn.

Các trường có cấu trúc. Cỡ mẫu, thiết kế, can thiệp hoặc phơi nhiễm, nhóm so sánh, kết quả, hướng hiệu ứng và các hạn chế nên được đưa vào các cột tùy chỉnh, mỗi cột liên kết với một đoạn nguồn. Văn bản tự do trong cửa sổ trò chuyện không phải là biểu mẫu trích xuất dữ liệu.

Khả năng truy vết nguồn. Câu trả lời cần có phần tô sáng hoặc điểm định vị trong tệp PDF. Nếu không có chúng, bạn không thể phân xử lỗi mô hình dựa trên hồ sơ gốc, cũng không thể báo cáo phương pháp một cách minh bạch.

Căn chỉnh giữa các bài báo. Cùng một trường phải mang cùng một ý nghĩa trên mọi hàng. Nếu không, bạn không thể nhận ra mâu thuẫn, khác biệt về liều lượng hoặc tác động của thiết kế.

Xác thực ngữ cảnh trích dẫn. Một phát hiện đúng vào năm 2018 có thể không còn đúng sau các thử nghiệm tiếp theo. Trích xuất không bao giờ kiểm tra lại các tuyên bố được trích dẫn sẽ hợp thức hóa bằng chứng lỗi thời trong các bản thảo mới.

Kiểm chứng của con người. Tới 63% các nghiên cứu do con người trích xuất có ít nhất một lỗi trích xuất dữ liệu. LLM gây ra các lỗi khác, đồng thời cũng có thể phát hiện lỗi của con người. Quy trình phải xem sự bất đồng là tín hiệu để mở tệp PDF, không phải là bảng điểm.

Các so sánh của thư viện đại học vào năm 2026 vẫn đánh giá công cụ theo vai trò, tập tài liệu và kiểu thất bại thay vì theo tuyên bố tiếp thị. Đánh giá của Oregon State University lưu ý rằng Consensus có thể đọc sai nguồn, trong khi ma trận của Elicit hữu ích nhất với các bài báo thực nghiệm và có thể thiếu sắc thái trong phần tóm tắt. Đây là các phát hiện đánh giá, không phải lý do loại bỏ công cụ — và chúng là mức độ đánh giá phù hợp.

Công cụ AI nào trích xuất bằng chứng có cấu trúc trên nhiều bài báo?

Không có một công cụ duy nhất nào dẫn đầu ở mọi giai đoạn. Elicit dẫn đầu về ma trận thực nghiệm, Covidence dành cho tổng quan hệ thống theo nhóm, Consensus cho các bản tổng quan nhanh về mức độ đồng thuận, và Jenova's Academic Research Assistant cho phân tích lặp lại theo câu hỏi, tiếp tục đến quản lý trích dẫn và soạn thảo. Các quy trình theo kiểu Paperguide minh họa chuỗi thao tác ưu tiên trích xuất ngay cả khi bạn ghép các bước tương tự từ nhiều công cụ.

Tính năng / Khía cạnh	Elicit	Jenova Academic Research Assistant	Consensus	Covidence
Cột tùy chỉnh ở cấp độ câu hỏi	Ma trận nghiên cứu với các cột có thể tùy chỉnh cho phương pháp, cỡ mẫu và phát hiện	Lược đồ được xác định bằng câu lệnh, lưu trong bộ nhớ liên tục giữa các phiên	Tóm tắt dạng bảng và thước đo đồng thuận; ít quyền kiểm soát trường tùy chỉnh hơn	Biểu mẫu trích xuất dữ liệu cho các nghiên cứu được đưa vào sau sàng lọc
Quy mô tổng hợp điển hình	Quy trình từ đề cương đến trích xuất trên các nguồn đã thu thập; phần tóm tắt Plus trích dẫn một tập nhỏ bài báo	Trích xuất theo lô trên các tệp PDF được tải lên và bản ghi liên kết Scholar	Tối đa 20 bài báo (Pro) hoặc 50 bài báo (Deep) cho mỗi lần tổng hợp	Tập tài liệu sàng lọc quy mô nhóm dành cho tổng quan chính thức
Khả năng truy vết nguồn	Liên kết quay lại tài liệu được đưa vào	Câu trả lời dựa trên tài liệu với các tệp PDF được đính kèm	Liên kết đến các nguồn được dùng trong phần tổng quan	Dấu vết kiểm toán đầy đủ cho sàng lọc và trích xuất
Quy trình hai người đánh giá	Không phải thiết kế cốt lõi	Không tích hợp sẵn	Không tích hợp sẵn	Sàng lọc độc lập của hai người và giải quyết xung đột
Kiểm tra ngữ cảnh trích dẫn	Hạn chế ngoài tập dữ liệu đã trích xuất	Theo dõi tài liệu qua nhiều phiên bằng Scholar và tìm kiếm	Thước đo đồng thuận như một tín hiệu về mức độ nhất trí	Thủ công; đề cương tổng quan chi phối việc cập nhật
Chuyển giao sang bản thảo	Xuất sang trình quản lý tài liệu tham khảo	Quản lý trích dẫn kết hợp soạn thảo; Word Doc Generator có thể định dạng bài viết	Xuất dành cho người dùng Plus	Viết báo cáo tổng quan vẫn là một giai đoạn riêng
Giá (tính đến năm 2026)	Gói Plus dành cho tổ chức; các mức giá người dùng cá nhân chưa được xác minh tại đây	Gói miễn phí; Plus từ $20/tháng	Freemium; một số cơ sở cấp phép Pro	Gói thường niên cá nhân, theo gói hoặc dành cho tổ chức
Phù hợp nhất cho	Bảng trích xuất thực nghiệm	Phân tích lặp lại theo câu hỏi với các dự án dài hạn	Ảnh chụp nhanh về đồng thuận trong y sinh/STEM	Tổng quan hệ thống theo nhóm, tuân thủ PRISMA

Elicit được định vị rõ ràng để tinh chỉnh đề cương, thu thập nguồn, sàng lọc, trích xuất và tổng hợp. Đó là mô tả công việc phù hợp cho hoạt động ở cấp độ câu hỏi. Hạn chế của công cụ này, được ghi nhận trong các đánh giá thư viện, là các bản tóm tắt tạo ra thường tập trung vào phát hiện và thiếu sắc thái, đồng thời ma trận được điều chỉnh cho các quy ước báo cáo thực nghiệm. Các bài báo định tính, lý thuyết hoặc có cấu trúc kém sẽ được trích xuất không sạch bằng.

Consensus hữu ích khi câu hỏi đã gần với một tuyên bố thực nghiệm dạng có/không. Công cụ này tổng hợp các bản tổng quan tường thuật, bảng và một thước đo đồng thuận, đồng thời có thể chạy các tìm kiếm sâu hơn để đánh dấu khoảng trống. Nó cũng có thể đọc sai nguồn, và giới hạn bài báo của gói Deep vẫn thấp hơn rất nhiều so với “hàng trăm văn bản toàn văn”. Hãy coi đây là công cụ khảo sát, không phải biểu mẫu mã hóa.

Covidence được mô tả rộng rãi là phần mềm hàng đầu để quản lý tổng quan hệ thống. Cùng với EPPI-Reviewer, DistillerSR và JBI-SUMARI, nó thuộc nhóm nhỏ các nền tảng hỗ trợ toàn bộ hệ công cụ tổng quan can thiệp — hồ sơ, sàng lọc, trích xuất và giải quyết xung đột theo nhóm. Nó nặng hơn nhu cầu nghiên cứu khám phá. Trích xuất hội thoại kiểu “trò chuyện với tệp PDF này” không phải trọng tâm của nó, và phần lớn dự án vẫn dựa vào biểu mẫu trích xuất do con người hoàn thành.

Jenova's Academic Research Assistant nằm ở một phần khác của hệ công cụ. Nó tìm kiếm các nguồn học thuật trực tiếp, nhận các tệp PDF được tải lên, duy trì lịch sử hội thoại không giới hạn và ghi nhớ đề cương qua nhiều phiên để định nghĩa cột không cần được hướng dẫn lại mỗi ngày. Nó không phải là công cụ sàng lọc hai người, không tạo sơ đồ luồng PRISMA, và hàng trăm bài báo phải được xử lý theo lô thay vì đổ vào một cửa sổ ngữ cảnh. Đây là những giới hạn thực tế. Điểm mạnh bù lại là tính liên tục, khả năng tiếp cận nhiều mô hình và năng lực đưa cùng một câu hỏi nghiên cứu từ trích xuất đến soạn thảo dựa trên trích dẫn mà không cần xuất ra khỏi dự án.

Chuỗi sáu bước được Paperguide công bố — tải lên, trò chuyện với PDF, cột có cấu trúc, so sánh giữa các bài báo, xác thực ngữ cảnh trích dẫn, rồi viết dựa trên trích dẫn — là một tuyên bố rõ ràng về mô hình ưu tiên trích xuất. Các số liệu độc lập về độ chính xác và giá của Paperguide chưa được xác minh cho bài viết này; chính quy trình là đối tượng so sánh hữu ích.

Trích xuất dữ liệu có cấu trúc hoạt động như thế nào khi tập tài liệu trải rộng hàng trăm bài báo?

Quy trình này hoạt động bằng cách chuyển mỗi bài báo thành các hàng gồm những trường do đề cương xác định, sau đó lọc các hàng đó theo câu hỏi nghiên cứu trước khi viết bất kỳ văn bản tổng hợp nào. Quy mô đến từ việc lặp lại một lược đồ, không phải từ một bản tóm tắt dài hơn.

Bước đầu tiên là nhập dữ liệu. Tệp PDF, DOI, URL, BibTeX, RIS hoặc tệp xuất từ trình quản lý tài liệu tham khảo thiết lập tập tài liệu. Trò chuyện với PDF là bước thứ hai, không phải bước cuối: bạn dùng nó để xác định các đoạn phương pháp và kết quả, sau đó khóa các đoạn đó vào cột. Một tổng quan sống về trích xuất tự động phát hiện 76 ấn phẩm về chủ đề này nhưng chỉ có sáu công cụ dành cho người dùng cuối đã được triển khai, và 84% thuật toán chỉ khai thác tiêu đề và phần tóm tắt. Trích xuất chỉ từ phần tóm tắt sẽ bỏ lỡ kết quả, phân tích nhóm phụ và chi tiết nguy cơ sai lệch nằm trong văn bản đầy đủ. Bất kỳ quy trình nào tuyên bố xử lý “hàng trăm bài báo” chỉ dựa trên phần tóm tắt đều đang tóm tắt, không phải mã hóa.

Các cột tùy chỉnh phải khớp với câu hỏi, không phải mẫu mặc định của nhà cung cấp. Với câu hỏi về hiệu quả, các trường điển hình là thiết kế, quần thể, can thiệp hoặc phơi nhiễm, nhóm so sánh, kết quả chính, hướng hiệu ứng, quy mô hiệu ứng kèm khoảng tin cậy, thời gian theo dõi và hạn chế. Với câu hỏi về cơ chế, hãy thay quy mô hiệu ứng bằng con đường giả thuyết và việc nghiên cứu có thực sự kiểm định nó hay không. Liên kết từng ô với một đoạn nguồn là điều làm cho việc so sánh về sau trở nên khả thi. Không có điểm định vị, một bảng chỉ là một bản tóm tắt khác với nhiều khoảng trắng hơn.

Hàng trăm bài báo cũng buộc phải xử lý theo lô. Cửa sổ ngữ cảnh, giới hạn tốc độ và lỗi phân tích tệp PDF khiến việc trích xuất một lượt toàn bộ tập tài liệu của tổng quan hệ thống trở nên không đáng tin cậy. Một mô hình bền vững là: xác định lược đồ trên tập thí điểm gồm 8–15 bài báo, đo mức độ tương hợp với mã hóa của con người, cố định câu lệnh, rồi chạy các bài báo còn lại theo từng đợt. Văn bản câu lệnh quyết định tính đầy đủ và định dạng; các câu lệnh riêng biệt cho từng bài không có tính khái quát. Hãy thí điểm trên một tập con, sau đó giữ câu lệnh không đổi.

Jenova's Academic Research Assistant hỗ trợ mô hình đó vì lược đồ có thể nằm trong bộ nhớ liên tục và các tệp PDF có thể được giữ đính kèm với dự án. Tuy vậy, bạn vẫn cần xử lý theo lô. Ma trận của Elicit gần với một phiếu mã hóa gốc dành cho các trường thực nghiệm hơn. Covidence giả định tập tài liệu đã vượt qua sàng lọc. Hãy chọn công cụ phù hợp với giai đoạn mà bạn thực sự đang ở.

Làm thế nào để xác thực các phát hiện đã trích xuất theo ngữ cảnh trích dẫn và thiết kế nghiên cứu?

Bạn xác thực bằng cách kiểm tra liệu tuyên bố đã trích xuất còn đúng trong đoạn được trích dẫn, trong tài liệu mới hơn và trên các thiết kế nghiên cứu cùng trả lời một câu hỏi hay không. Trích xuất không có những kiểm tra này sẽ tái tạo thiên lệch trích dẫn ở tốc độ máy.

Xác thực ngữ cảnh trích dẫn nghĩa là mở đoạn được trích dẫn, không tin tưởng mù quáng câu văn trích dẫn. Các bài báo thường cường điệu điều mà một tài liệu tham khảo đã chỉ ra, trích dẫn phần tóm tắt thay vì kết quả, hoặc tiếp tục lặp lại một phát hiện đã bị các thử nghiệm sau đảo ngược. Vì vậy, một lượt kiểm tra riêng cho câu hỏi “phát hiện được trích dẫn này có còn đứng vững không?” là bước tách biệt với câu hỏi “bài báo này đã báo cáo điều gì?”. Các quy trình theo kiểu Paperguide đặt việc kiểm tra đó ngay trước bước tổng hợp, và đây là thứ tự đúng: đừng viết đoạn văn trước khi ô dữ liệu ổn định.

Xác thực có xét đến thiết kế đi xa hơn. Một hình minh họa phương pháp năm 2025 trên Nature Communications cho thấy quy trình hai giai đoạn, là một kiến trúc tham chiếu hữu ích ngay cả khi bạn không bao giờ áp dụng các công thức chấm điểm của nó. Các mô hình ngôn ngữ lớn phân tích văn bản tự do thành quần thể, can thiệp hoặc phơi nhiễm, mối quan hệ và kết quả, sau đó phân loại hướng hiệu ứng là tăng, giảm hoặc không thay đổi. Những hồ sơ này được phân tầng theo thiết kế — thử nghiệm ngẫu nhiên, ngẫu nhiên hóa Mendel, nghiên cứu quan sát — để một kết quả không bị xem là có thể hoán đổi giữa các phương pháp.

Khung trích xuất và đối chiếu bằng chứng bằng LLM, lập bản đồ hiệu ứng can thiệp–phơi nhiễm–kết quả qua các thử nghiệm ngẫu nhiên, ngẫu nhiên hóa Mendel và nghiên cứu quan sát, rồi chấm điểm Hội tụ Bằng chứng

Phần thứ hai là phần mà đa số công cụ tóm tắt bỏ qua. Sau chuẩn hóa và lọc theo tiêu chí đưa vào, kết quả được đối chiếu giữa các thiết kế. Điểm Hội tụ Bằng chứng sử dụng hướng có khối lượng xác suất cao nhất; sau đó một dải Mức độ Hội tụ gắn nhãn tập bằng chứng là yếu, trung bình hoặc mạnh. Bạn không cần chính xác chỉ số đó để áp dụng ý tưởng. Bạn cần ngừng gộp một liên hệ quan sát có ý nghĩa với một thử nghiệm không có khác biệt như thể chúng là một câu duy nhất kiểu “tài liệu nói rằng X”.

Sự bất đồng giữa con người và mô hình nên được phân xử dựa trên tệp PDF bằng lượt kiểm tra thứ ba, không nên tự động chấm là mô hình thất bại. Trong một thử nghiệm minh chứng khái niệm, Claude 2 mắc một lỗi lớn và năm lỗi nhỏ — đồng thời phát hiện 21 lỗi nhỏ trong chuẩn tham chiếu của con người. Việc coi trích xuất đã công bố là chuẩn vàng sẽ đánh giá thấp mô hình và đánh giá cao con người. Đơn vị phân tích đúng là sự tương hợp thực tế của từng trường, trong đó các thống kê tổng hợp (ước lượng điểm cộng khoảng) được tính nhất quán thay vì như ba con số không liên quan.

Jenova có thể thực hiện lượt kiểm tra ngữ cảnh trích dẫn vì nó có thể tìm kiếm tài liệu tiếp theo và giữ bảng trích xuất gốc trong bộ nhớ. Nó không thể thay thế người đánh giá thứ hai trong một tổng quan theo kiểu Cochrane. Covidence có thể áp dụng yêu cầu người đánh giá thứ hai đó. Hãy sử dụng cả hai thực tế này mà không gộp chúng thành một người chiến thắng duy nhất.

Làm thế nào để thực hiện quy trình trích xuất theo câu hỏi trong thực tế?

Bạn xác định câu hỏi và các trường trước, thí điểm lược đồ, trích xuất theo lô cùng điểm định vị nguồn, so sánh các hàng, kiểm tra lại trích dẫn, rồi viết từ bảng. Đảo ngược thứ tự đó — viết trước, tìm trích dẫn sau — sẽ tái tạo vấn đề của việc tóm tắt.

Với Jenova's Academic Research Assistant, một chuỗi thao tác điển hình như sau:

Mở tác nhân và nêu đề cương trong một khối, bao gồm tiêu chí đưa vào và chính xác các cột bạn muốn.
Đính kèm một tập thí điểm các tệp PDF (hoặc DOI) thay vì toàn bộ tập tài liệu.
Trích xuất vào bảng, yêu cầu điểm định vị cho mọi ô.
Cố định câu lệnh sau khi bạn đã hiệu chỉnh tập thí điểm.
Xử lý theo lô các bài báo còn lại, sau đó chạy lượt kiểm tra mâu thuẫn và lượt kiểm tra ngữ cảnh trích dẫn trước bất kỳ tổng hợp tường thuật nào.

Một câu lệnh mở đầu hữu ích:

“Câu hỏi nghiên cứu: Ở người trưởng thành bị trầm cảm kháng trị, ketamine bổ trợ có làm giảm điểm Montgomery–Åsberg so với giả dược sau 24 giờ không? Chỉ đưa vào các RCT. Với mỗi bài báo, hãy trích xuất: thiết kế, số người được phân ngẫu nhiên, liều và đường dùng, nhóm so sánh, kết quả chính, thời điểm, quy mô hiệu ứng kèm 95% CI, hướng tác động (tăng / giảm / không thay đổi), và các hạn chế. Trích dẫn câu kết quả cho mỗi quy mô hiệu ứng. Không tóm tắt các bài báo không đạt tiêu chí đưa vào. Đánh dấu các ô trống thay vì suy diễn.”

Một câu lệnh so sánh hữu ích sau khi bảng đã có:

“Chỉ sử dụng bảng trích xuất, hãy liệt kê (1) các mâu thuẫn về hướng hiệu ứng, (2) các khác biệt về liều hoặc thời điểm có thể giải thích mâu thuẫn, và (3) bất kỳ hàng nào có thử nghiệm hỗ trợ được trích dẫn cũ hơn kết quả không có khác biệt gần đây nhất trên cùng kết quả. Không thêm các bài báo không có trong bảng.”

Với Elicit, lộ trình tương ứng là tinh chỉnh đề cương, thu thập nguồn, sàng lọc, rồi tạo ma trận cột tùy chỉnh — các bước mà sản phẩm ghi nhận cho tổng quan tài liệu có hệ thống. Hãy bắt đầu bằng các câu hỏi thực nghiệm có trường dữ liệu (n, phương pháp, kết quả) đã phù hợp với ma trận. Đừng kỳ vọng hiệu suất tương tự từ các bài báo lý thuyết.

Với Covidence, hãy thực hiện nhập kết quả tìm kiếm, loại bỏ trùng lặp, sàng lọc kép tiêu đề/tóm tắt, sàng lọc toàn văn, rồi đến biểu mẫu trích xuất. Các hướng dẫn thư viện xem nhóm phần mềm này là môi trường cho tổng hợp bằng chứng có cấu trúc, minh bạch và tái lập, không phải chatbot. Nếu bạn cần sơ đồ luồng PRISMA và hai người đánh giá độc lập, hãy bắt đầu tại đây và chỉ sử dụng LLM bên trong biểu mẫu trích xuất, trong khi người đánh giá thứ hai vẫn là con người.

Hai quy tắc vận hành áp dụng cho cả ba công cụ. Thứ nhất, đừng bao giờ để mô hình điền một giá trị có vẻ hợp lý vào chỗ trống; các ô trống cũng là dữ liệu. Thứ hai, hãy đo thời gian của toàn bộ công việc — lặp lại câu lệnh, phân xử và hiệu chỉnh — chứ không chỉ độ trễ của mô hình. Thời gian dành cho nhiệm vụ là kết quả hiệu quả liên quan, và thiết kế câu lệnh là một phần của thời gian đó.

Các nhà nghiên cứu về tổng hợp bằng chứng nói gì về trích xuất dữ liệu bằng LLM?

Các nhà nghiên cứu xem LLM là công cụ tăng tốc đầy hứa hẹn cho các trường thông tin nền và là phương án thay thế chưa được chứng minh cho trích xuất kết quả, trong khi bản thân thiết kế xác thực vẫn là một vấn đề phương pháp luận còn mở. Đồng thuận trong các bài báo phương pháp giai đoạn 2025–2026 là có điều kiện: hữu ích trong một quy trình được giám sát, nhưng chưa sẵn sàng làm công cụ trích xuất không giám sát.

“Điểm nghẽn của tổng hợp bằng chứng không phải tốc độ đọc. Nó là làm cho mọi nghiên cứu trả lời cùng một câu hỏi trong cùng các trường, rồi nhận ra khi các trường đó không đồng thuận. Một bản tóm tắt có thể trôi chảy nhưng vẫn không thể dùng cho công việc này, bởi sự trôi chảy che giấu các ô trống. Khi chúng tôi chuyển các nhóm từ trò chuyện ở cấp độ bài báo sang bảng neo theo câu hỏi, điều đầu tiên xuất hiện không phải là hiểu biết mới — mà là dữ liệu thiếu. Cỡ mẫu không có mẫu số, kết quả không có thời điểm, trích dẫn không hỗ trợ cho câu mà chúng được gắn vào.”

“Chúng tôi cũng không còn xem trích xuất của con người là chuẩn vàng. Một tỷ lệ lớn các nghiên cứu được mã hóa bởi con người có ít nhất một lỗi trích xuất, và mô hình đôi khi phát hiện các lỗi đó trong khi lại gây ra lỗi khác, đặc biệt đối với thống kê tổng hợp. Đơn vị đánh giá có giá trị là sự tương hợp thực tế theo từng trường, được phân xử dựa trên tệp PDF. Cho đến khi một quy trình có thể thể hiện vòng lặp đó — lược đồ, điểm định vị, lô, mâu thuẫn, trích dẫn lại — thì nó vẫn là công cụ tóm tắt, bất kể tuyên bố đã đọc bao nhiêu bài báo.”

— Nhóm Sản phẩm Jenova, thiết kế quy trình nghiên cứu, kinh nghiệm xây dựng các dự án tác nhân học thuật dài hạn từ khám phá tài liệu đến chuẩn bị bản thảo

Quan điểm đó phù hợp với bình luận độc lập. Một tổng quan phạm vi về LLM trong tổng quan hệ thống kết luận rằng chúng đang phát triển nhưng chưa sẵn sàng để sử dụng như hạ tầng độc lập. Các công trình riêng về mô hình ngôn ngữ cho trích xuất dữ liệu và đánh giá nguy cơ sai lệch đang thử nghiệm quy trình hỗn hợp người–mô hình thay vì tổng quan chỉ dùng mô hình. Câu hỏi thực tế trong lĩnh vực không phải là “một mô hình có thể đọc 400 tệp PDF không?” Mà là “một bảng được ghi nhật ký, lọc theo câu hỏi có thể vượt qua đánh giá kép không?”

Khi nào bạn vẫn nên dùng phần mềm tổng quan hệ thống chuyên dụng thay vì tác nhân nghiên cứu AI?

Hãy dùng phần mềm tổng quan hệ thống chuyên dụng khi bạn cần sàng lọc độc lập kép, sơ đồ luồng PRISMA có thể báo cáo và dấu vết kiểm toán mà một tạp chí, cơ quan HTA hoặc hội đồng hướng dẫn sẽ xem xét. Hãy dùng tác nhân nghiên cứu AI khi bạn vẫn đang định hình câu hỏi, mã hóa một tập tài liệu sống hoặc chuyển một bảng ổn định thành bản thảo. Hai loại này thường nối tiếp nhau hơn là đối thủ của nhau.

Covidence, DistillerSR, EPPI-Reviewer và JBI-SUMARI tồn tại vì các phương pháp có thể tái lập, quy trình theo nhóm và hồ sơ tuân thủ PRISMA là yêu cầu, không phải sở thích, đối với tổng quan can thiệp. Học máy trong các nền tảng đó hỗ trợ nhiều nhất ở khâu sàng lọc — một đánh giá ước tính giảm gánh nặng sàng lọc tới 60% — trong khi công cụ trích xuất và đánh giá nguy cơ sai lệch vẫn còn mỏng. Nếu đầu ra của bạn là một tổng quan đã đăng ký, đừng bỏ qua hệ công cụ đó chỉ vì mô hình trò chuyện có thể diễn giải lại tệp PDF.

Tác nhân là môi trường hằng ngày tốt hơn khi câu hỏi vẫn đang thay đổi. Bạn có thể đính kèm tệp PDF mới, sửa cột và giữ các quyết định về đề cương trong bộ nhớ mà không cần mở một dự án tổng quan mới cho mỗi lần thay đổi hướng. Jenova's Academic Research Assistant được xây dựng cho chế độ đó: tìm kiếm học thuật trực tiếp, toàn văn đính kèm, lược đồ trích xuất liên tục và lộ trình đến soạn thảo có quản lý trích dẫn. Nó sẽ không đáp ứng một đề cương yêu cầu hai người sàng lọc. Nêu rõ giới hạn đó là một phần của việc sử dụng đúng cách.

Một cách phân chia thực tế được nhiều nhóm sử dụng trong năm 2026 là như sau. Khảo sát và xác định các trường bằng tác nhân hoặc Elicit. Đăng ký đề cương. Sàng lọc và trích xuất trong Covidence hoặc công cụ tương đương, có thể kèm mã hóa hỗ trợ bởi LLM mà con người vẫn kiểm chứng. Quay lại tác nhân để kiểm tra sức chịu đựng của ngữ cảnh trích dẫn và viết từ bảng đã khóa. Danh sách công cụ tổng hợp bằng chứng của Duke nhắc nhở rằng không có một ứng dụng nào bao phủ mọi giai đoạn; kỹ năng chuyên môn là biết bạn đang ở giai đoạn nào.

Tiêu chí quyết định hệ công cụ cũng chính là tiêu chí mở đầu bài viết này. Nếu bạn có thể chỉ ra một câu hỏi nghiên cứu, một cột cho mọi thành phần của câu hỏi đó, một điểm định vị cho mọi ô và hồ sơ về những gì đã bị loại trừ, bạn đang trích xuất bằng chứng. Nếu bạn chỉ có một bản tổng quan được viết tốt về “các bài báo nói gì”, bạn vẫn đang tóm tắt — ngay cả khi bản tổng quan được tạo từ hàng trăm tệp.