返回 AI 工具目录
ASReview
AI 应用人工精选最近核验 2026年7月23日
ASReview LAB 是一个开源的主动学习(active learning)平台,用于在系统综述、荟萃分析等场景下筛选大规模文献与文本记录。核心思路是让研究者对少量记录做相关/不相关标注,模型据此对剩余记录按相关概率重新排序,把可能相关的条目优先推到前面,从而在人工只审读一部分的情况下尽早找到多数相关文献。支持 CSV、RIS、XLSX 等格式导入,内置去重与用于评估筛选效果的模拟工具,以本地 Web 界面运行,数据留在本地。适合需要可复现、可留痕的文献筛选流程的研究团队。
定价开源部署本地运行、自托管国内可达国内可达
解决什么问题
- 大规模文献与文本记录的相关性初筛耗时
- 用主动学习按相关概率对记录重新排序
- 少量人工标注即可覆盖多数相关文献
- 导入阶段自动去重,减少重复记录干扰
- 提供模拟工具评估筛选召回效果
适合
- 系统综述、荟萃分析的文献初筛
- 需要可复现、可留痕的筛选流程
- 记录量大、人工全读成本过高的场景
- 数据需留在本地、不便上云的研究团队
不适合
- 不做文献检索本身,需先自行导出记录集
- 主动学习依赖人工标注,零标注无法启动
- 面向文本筛选,非通用问答或写作工具
- 排序质量随标注量与数据质量波动
如何接入
- pip 安装或 Docker 部署,本地 Web 界面使用
- 导入 CSV、RIS、XLSX 等记录集
- 可替换不同特征提取与分类模型
- 提供模拟模块用于离线评估效果
已知限制
- 只解决筛选排序,不替代人工判读
- 效果依赖标注一致性与数据规模
- 界面以英文为主,中文场景需自行验证
- 官方以本地部署为主,无托管 SaaS
接入与使用事实
- 部署方式
- 本地运行、自托管
- 实现语言
- English
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- 待确认
- 国内可达性
- 国内可达
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
- 代码仓库仅作事实索引