Comparative(比较性研究)指在相同基准和条件下对多个模型、方法或系统进行对照评估的研究范式，是当前 AI 领域最常见的论文类型之一，也是判断技术优劣与落地可行性的核心依据。随着大语言模型在医疗、金融、检索等垂直场景快速渗透，单纯报告新模型性能的论文正在让位于更严谨的横向比较研究。
Comparative 研究的近期进展
医疗成本领域出现了受关注度较高的一项比较研究。《Comparative Cost of Care Recommended by Large Language Models versus Treating Physicians》发表在 NEJM AI 上，直接对照大语言模型给出的诊疗方案成本与临床医生的实际治疗成本，这类 comparative 评估开始触及模型建议的真实经济影响，而不仅是准确率。
在系统与基础设施层面，《Graph Memory for LLM Agents: At What Cost? A Comparative Evaluation of Query, Ingest, and Update Performance Across Graph Database Engines》对多种图数据库引擎在查询、写入和更新三个环节的表现做了比较评测，说明 comparative 方法已经下沉到 Agent 记忆架构的工程选型环节。
模型安全与行为分析同样依赖比较框架。《Unmasking Propaganda: A Comparative Analysis of Masked and Causal Language Models》比较了掩码语言模型与因果语言模型在宣传文本识别上的差异；《How AI Models Manage Epistemic Authority: A Taxonomy and Comparative Analysis of Responses to User Disagreement》则对不同模型面对用户反驳时的应对方式做了分类学意义上的横向分析。
应用侧的比较研究覆盖面也在扩大，包括《Semantic Candidate-Job Matching: A Comparative Evaluation of Dense Embedding Models in Hybrid Retrieval》对稠密嵌入模型在混合检索招聘匹配中的评估，以及《A Comparative Evaluation of Pre-trained Convolutional Neural Networks for Melanoma Detection》对多个预训练卷积网络在黑色素瘤检测任务上的对照。
当前焦点与观察点
从近期文献看，comparative 研究呈现三个趋势。其一，比较对象从模型本身扩展到模型所处的完整系统栈——数据库引擎、检索管线、记忆机制都被纳入评测范围。其二，比较维度从单一精度指标转向成本、延迟、行为倾向等多目标，医疗成本研究和图记忆评测都体现了这一点。其三，比较场景越来越垂直，黑色素瘤检测、电网控制、比特币价格预测等任务的比较结论往往难以互相迁移。
值得关注的问题是可比性本身：不同 comparative 研究的数据集、提示词和评测协议差异较大，跨论文结论不可直接对比。对从业者而言，横向评测报告仍有较高的选型参考价值，但引用时应注意其任务设定是否与自身场景一致。