跳到正文
arXiv · AI· Mohammed Saqlain·· 29 天前AI 评分36

生物医学事实核查智能体设计:检索而非推理是主要瓶颈

Real PMIDs, Wrong Papers: Harness Design for Biomedical Claim-Verification Agents

AI 导读

在生物医学事实核查任务中,让模型自主制定检索查询使准确率最高达 62%,而简单单次检索仅能找回 6% 的黄金文献。 实验显示,使用黄金摘要时模型准确率为 79-86%,证明检索而非推理是主要瓶颈;闭合书摘模式产生的 327 个引用中仅 3 个相关。 研究代码和工具调用已开源,被 NeurIPS 2026 AgenticLS 工作坊接收。

来源:arXiv · AI · arxiv.org