研究评估 LLM 起草 NIH 数据管理计划的表现
摘要
一项预印本研究评估了大语言模型按 2023 年 NIH 指南起草数据管理计划（DMP）的表现，比较 Llama 与 GPT 的输出和 NIH 提供的 DMP 样本，并请领域专家评审。结果显示，LLM 能加快初稿生成，但提交前仍需专家审查以确保清晰和完整；开源 LLM 在起草符合资助方要求的 DMP 上可能不如商业模型那样开箱即用。
摘要由模型根据原文撰写，以原文为准。
arXiv cs.DL 数字图书馆
打开原文arxiv.org。尚未取得已确认完整的正文，本站仅展示摘要与导读；完整内容请阅读原文。
来源：arXiv cs.DL 数字图书馆 · arxiv.org
引用原文
Nahid Zeinali, James ONeil, Xuebin Dong, Rebecca Hofstein Grady, Maria Praetzellis, Brian Riley, John Chodacki, Bhavesh Patel. Evaluating the Performance of LLMs in Drafting NIH Data Management Plans[EB/OL]. (2026-11-13)[访问日期]. https://arxiv.org/abs/2611.14648.