COMPARAÇÃO DE MODELOS DE LINGUAGEM DE CÓDIGO ABERTO PARA UM SOFTWARE DE REVISÃO SISTEMÁTICA DE LITERATURA

INTRODUÇÃO: As revisões sistemáticas de literatura são amplamente reconhecidas como o padrão-ouro para a síntese de evidências científicas, mas o processo manual de busca, triagem e extração de informações é demorado e demanda muitos recursos. OBJETIVOS: Este trabalho teve como objetivo comparar modelos de linguagem de código aberto para o desenvolvimento de um software de apoio a revisões sistemáticas de literatura. MATERIAIS E MÉTODO: Inicialmente, foram testados os modelos phi2, Llama3 e Gemma3 em um ambiente suspenso no Google Colab, utilizando a biblioteca Ollama para execução local dos agentes. Nessa fase, foi desenvolvida uma função capaz de dividir artigos científicos em trechos (chunks), atribuir pesos a cada trecho e responder perguntas restritas ao conteúdo do próprio artigo. Na segunda fase do projeto, a solução evoluiu para uma aplicação web construída com Streamlit, substituindo os modelos iniciais pelo Qwen2.5, executado por meio dos Inference Providers da Hugging Face, o que eliminou a dependência do poder de processamento da máquina do usuário. A aplicação foi ampliada para permitir o envio de múltiplos artigos simultaneamente e a definição de uma sequência de perguntas a ser respondida para cada um deles, exportando os resultados em uma planilha Excel. RESULTADOS: Testes com até seis artigos e três perguntas por artigo mostraram que o Qwen2.5 produziu respostas mais completas que os modelos anteriormente utilizados, com tempo de resposta praticamente instantâneo, mesmo em cenários mais exigentes que anteriormente levavam o processo a travar. CONSIDERAÇÕES FINAIS: Conclui-se que a combinação do modelo Qwen2.5 com a infraestrutura de inferência em nuvem da Hugging Face representa, até o momento, a alternativa mais eficaz entre as testadas para compor um software de apoio a revisões sistemáticas de literatura.

PALAVRAS-CHAVE: Revisão Sistemática de Literatura; Modelos de Linguagem de Código Aberto; Inteligência Artificial Generativa; Automação de Pesquisa Científica.