Bài báo này đề xuất một phương pháp mới tích hợp các mô hình ngôn ngữ quy mô lớn (LLM) và kiến thức chuyên môn để khắc phục những hạn chế của đánh giá chủ quan của chuyên gia hoặc phân tích thư mục đơn thuần trong việc đánh giá tính mới của các bài báo học thuật. Cụ thể, chúng tôi tập trung vào tính mới về mặt phương pháp luận của các bài báo và phát triển một kỹ thuật để tinh chỉnh mô hình ngôn ngữ được đào tạo trước (PLM) bằng cách sử dụng các câu liên quan đến tính mới được trích xuất từ các báo cáo bình duyệt và tóm tắt phương pháp luận sử dụng LLM. Thông qua một mô-đun hợp nhất hướng dẫn văn bản dựa trên Sparse-Attention mới, chúng tôi tích hợp hiệu quả các LLM và kiến thức chuyên môn, đồng thời xác minh tính ưu việt của phương pháp được đề xuất thông qua các thử nghiệm so sánh với nhiều mô hình cơ sở khác nhau.
