تقيّم هذه الدراسة قدرة نماذج اللغة الكبيرة (LLMs) المتوسطة والصغيرة على تقييم جودة المقالات العلمية في مجالات الطب والصحة وعلوم الحياة. أشارت الدراسات السابقة إلى أن نماذج مثل ChatGPT وGemini تتوافق بشكل معتدل مع تقييمات الخبراء. تختبر الدراسة الحالية نماذج إضافية، بما في ذلك متغيرات Gemma3 وLlama4 Scout وQwen3 وMagistral Small وDeepSeek R1، باستخدام مجموعة…