社会的物理的HRI（spHRI）の成長を描く：小規模言語モデルによる系統的レビューパイプラインの強化
Charting the Growth of Social-Physical HRI (spHRI): A Systematic Review Pipeline Augmented by Small Language Models
社会的物理的人ロボット相互作用（spHRI）の系統的レビューを支援するため、小規模言語モデル（SLM）によるタイトル・抄録スクリーニングの性能を評価し、人間のレビュアーが見逃した論文を発見できることを示した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Mayumi Mohan, Ju-Hung Chen, Alexis E. Block
分類: cs.CL, cs.AI, cs.DL, cs.HC, cs.RO
原文アブストラクト
Social-physical human-robot interaction (spHRI) has grown rapidly across robotics, human-computer interaction, human-robot interaction, and haptics. Yet, fragmented terminology and inconsistent methodologies make systematic synthesis difficult. To support scalable review practices, we evaluated the extent to which small language models (SLMs; < 1.5B parameters) can assist with title and abstract screening for a large spHRI systematic review. While no SLMs matched human reviewers' performance, the models operated locally and screened papers orders of magnitude faster. The combined SLM ensemble identified 39 papers reviewers missed, representing 10.29% of the final relevant dataset. These results demonstrate that SLMs can augment, rather than replace, expert reviewers and make large-scale literature reviews accessible and sustainable.
