小语言模型辅助社会物理人机交互（spHRI）系统综述：绘制增长轨迹

背景

社会物理人机交互（Social-Physical Human-Robot Interaction, spHRI）作为一个交叉学科领域，近年来在机器人学、人机交互（HCI）、人形机器人交互以及触觉技术（Haptics）等领域呈现出爆发式增长。然而，随着文献数量的激增，该领域面临着严重的“信息过载”挑战。

主要痛点在于术语的碎片化和研究方法论的不一致性。这种分散性使得研究人员难以通过传统手段对海量文献进行系统性的综合与梳理。传统的系统综述（Systematic Review）通常依赖人工筛选标题和摘要，这一过程不仅耗时耗力，而且随着论文基数的扩大，其可扩展性（Scalability）和可持续性（Sustainability）正面临严峻考验。

在此背景下，研究团队提出了一项探索：利用参数量小于 15 亿的小语言模型（Small Language Models, SLMs）来辅助大规模 spHRI 系统综述的标题和摘要筛选工作，旨在验证 SLMs 能否在保持一定准确率的同时，大幅提升文献综述的效率，使其成为一种可规模化且可持续的研究实践。

核心内容

本研究构建并评估了一个由小语言模型增强的系统综述流水线，具体工作内容如下：

1. 研究目标与方法 研究的核心目标是评估 SLMs 在辅助大规模 spHRI 系统综述中的实际效用。研究团队选取了参数量小于 1.5B（15亿）的 SLMs，将其应用于 spHRI 领域文献的标题和摘要筛选环节。这一过程旨在对比 SLMs 与人类审稿人在筛选任务上的表现，重点考察效率与准确率的平衡。

2. 性能对比：SLMs vs. 人类专家 在初步评估中，研究结果显示，没有任何单一的 SLM 能够完全达到人类审稿人的性能水平。这意味着，如果仅依赖单个小模型进行筛选，可能会产生较高的漏检或误检率，无法完全替代人类专家的判断力。

3. 效率优势：本地化与速度 尽管在绝对性能上未超越人类，SLMs 展现出了显著的操作优势：

• 本地化部署：模型可以在本地运行，无需依赖庞大的云端算力资源，降低了隐私泄露风险和计算成本。
• 极速筛选：SLMs 处理论文的速度比人类审稿人快了数个数量级（orders of magnitude）。这种速度优势使得处理成千上万篇文献成为可能。

4. 集成策略与关键发现 为了弥补单一模型性能的不足，研究采用了“SLM 集成”（SLM ensemble）策略，即结合多个小模型的输出结果。这一策略取得了令人瞩目的成果：

• 发现遗漏文献：SLM 集成模型最终识别出了 39 篇被人类审稿人遗漏的相关论文。
• 数据占比：这 39 篇被遗漏的论文占最终相关数据集的 10.29%。这是一个非常显著的发现，表明人类审稿人在处理海量数据时存在不可忽视的盲区。

5. 核心结论 研究得出结论：SLMs 不应被视为人类专家的替代品，而应作为“增强工具”（augment）。通过结合 SLMs 的高速处理能力和本地化优势，以及人类专家的专业判断，可以实现大规模文献综述的可访问性和可持续性。

关键要点

• 领域挑战：spHRI 领域文献增长迅速，但术语碎片化和方法不一致导致系统性综述困难重重。
• 模型选择：研究聚焦于参数量 < 1.5B 的小语言模型（SLMs），强调其轻量级和本地化部署的特性。
• 性能局限：没有任何单个 SLM 能完全匹配人类审稿人的筛选性能，存在误判或漏判风险。
• 效率飞跃：SLMs 的筛选速度比人类快数个数量级，且支持本地运行，具备极高的可扩展性。
• 集成优势：通过 SLM 集成策略，成功找回了 39 篇被人类审稿人遗漏的相关论文，占最终数据集的 10.29%。
• 人机协作定位：SLMs 的角色是“增强”（augment）而非“取代”（replace）专家。它们使大规模、复杂的文献综述变得可行且可持续。

意义与影响

这项研究对学术界和工业界在应对“文献爆炸”方面具有重要的指导意义：

1. 重塑系统综述范式：它证明了小模型可以成为科研基础设施的一部分。对于像 spHRI 这样快速扩张且定义模糊的交叉学科，利用 SLMs 进行初步筛选可以大幅降低综述的时间成本。
2. 提升综述的全面性：10.29% 的遗漏率是一个警示信号。它表明人类专家在疲劳或面对海量数据时，容易忽略重要文献。引入 SLM 集成作为“第二双眼睛”，可以显著提高综述的召回率（Recall），确保研究结论的稳健性。
3. 降低技术门槛：由于 SLMs 可以在本地运行，这意味着即使是资源有限的研究团队或个人研究者，也能利用先进的 AI 技术进行大规模的文献管理，无需依赖昂贵的云端 API 服务，促进了科研工具的民主化。
4. 人机协作的新标准：研究明确了 AI 在科研流程中的边界——不是替代人类判断，而是处理人类不擅长的高吞吐量、重复性任务，并辅助发现人类盲区。这种“人机协同”模式为其他需要处理大量非结构化数据的领域（如法律、医学文献综述）提供了可复制的方法论参考。