arXiv cs.AI· Josef Hardi, Martin J. O'Connor, Marcos Martinez-Romero, Jean G. Rosario, Stephen A. Fisher, Mark A. Musen·· 14 小时前AI 评分29
ARMS：用本体约束的 LLM 智能体自动标准化遗留生物医学元数据
Automated Standardization of Legacy Biomedical Metadata Using an Ontology-Constrained LLM Agent
AI 导读
ARMS 是一个在运行时检索完整 CEDAR 元数据模板并动态查询权威生物医学术语服务的工具型 LLM 智能体，在 839 条遗留元数据记录上把标准化精度从 0.56 提升到 0.93、召回率从 0.51 提升到 0.85。本体约束字段的增益最大，精度由 0.36 升至 0.92，优于仅靠提示词注入标准的固定快照方案。
正文 · AI 翻译
摘要：公共存储库中的描述性科学元数据往往不完整，且与社区标准和本体不一致，限制了数据的 FAIR 性。当向大型语言模型（LLM）提供以机器可操作形式呈现的相关标准知识时，LLM 为自动标准化此类元数据提供了一种有前景的方法。然而，通过提示工程输入元数据标准只能提供相关标准的固定快照，并且依赖 LLM 的预训练知识来解读并满足与标准相关的约束。我们评估了在运行时让 LLM 访问元数据规范和权威术语是否能改进自动元数据标准化。我们提出了 ARMS，一种使用工具的 LLM 智能体，它在执行时检索完整的 CEDAR 元数据模板，并动态查询权威的生物医学术语服务。我们在 839 条描述实验数据集的遗留元数据记录上比较了 ARMS 与提示工程方法，并以专家标准化的记录作为参考标准。在整个语料库中，ARMS 在将遗留元数据转换为符合标准的形式方面优于提示工程方法，将精确率从 0.56 提高到 0.93，召回率从 0.51 提高到 0.85，并在所有字段类别和测定类型上均有改进。最大增益出现在受本体约束的字段上，精确率从 0.36 提高到 0.92。我们的研究结果表明，访问适当的元数据标准可以显著改进基于 LLM 的遗留元数据标准化。ARMS 通过让 LLM 在运行时访问定义有效元数据的权威资源来改进元数据标准化。以机器可操作形式表示元数据标准，增强了使用 LLM 技术纠正遗留元数据的任务，尤其是当这些标准可以被动态查询时。
| 主题： | 数据库（cs.DB）；人工智能（cs.AI） |
| 引用为： | arXiv:2604.08552 [cs.DB] |
| （或 arXiv:2604.08552v5 [cs.DB] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2604.08552 由 DataCite 颁发的 arXiv DOI |
|
| 期刊 参考： | Journal of Biomedical Informatics 184 (2026) 105116 |
| 相关 DOI： | https://doi.org/10.1016/j.jbi.2026.105116
链接到相关资源的 DOI |
提交历史
来自：Josef Hardi [查看电子邮件]
[v1]
2026年3月10日星期二 18:47:30 UTC（529 KB）
[v2]
2026年6月18日星期四 17:56:13 UTC（960 KB）
[v3]
2026年9月2日星期三 04:27:03 UTC（585 KB）
[v4]
2026年10月13日星期二 18:58:21 UTC（2,616 KB）
[v5]
2026年10月26日星期一 16:33:02 UTC（2,616 KB）
来源：arXiv cs.AI · arxiv.org