LLM 在软件工程系统综述中的筛选性能是否停滞？

基于软件工程系统综述筛选基准 SESR-Eval 及低成本子集 SESR-Eval-Mini，研究评估了 8 款新 LLM 的筛选表现，并与 7 款旧模型对比：二次研究的平均 MCC 仅从 0.347 升至 0.365，模型间差异仍小于研究间差异。