用大模型对散裂中子源三台谱仪的历史提案做两两比较排序，其排名与人工排名正相关且识别高发表潜力提案的能力不逊于人工，成本低两个数量级以上
该研究在橡树岭国家实验室散裂中子源（SNS）三台谱仪（EQ-SANS、CNCS、POWGEN）的历史通用用户提案上，用大语言模型对同一运行周期内每一对提案做两两偏好判断，再用Bradley-Terry模型把胜负结果转成排名，结果显示大模型排名与人工排名正相关（Spearman ρ 约0.2–0.8，剔除10%离群后提升到≥0.5），在识别高发表潜力提案上与人工评审无统计显著差异，成本却低两个数量级以上，并能用嵌入模型以线性复杂度做提案相似度分析。