arXiv cs.CL· Shufan Ming, Yikun Han, Gibong Hong, Rui Zhang, Halil Kilicoglu·· 3 天前AI 评分24
ANCHOR-RE：结合检索增强与错误驱动验证的智能体生物医学关系抽取框架
ANCHOR-RE: An Agentic Biomedical Relation Extraction Framework with Retrieval Augmentation and Error-Driven Verification
AI 导读
ANCHOR-RE 是一个无需任务特定微调的智能体生物医学关系抽取框架，融合检索示例、本体语义约束、外部生物医学知识与错误驱动验证。在 SemRepGS、DDI、ChemProt 上，其 micro-F1 较直接提示分别从 0.654 提升至 0.676、0.769 至 0.881、0.937 至 0.941，DDI 与 ChemProt 上超越此前仅推理方法。
正文 · AI 翻译
摘要：生物医学关系抽取（BioRE）支持知识图谱构建和假设生成。在真实场景中，大多数候选实体对之间并无关联。SemRep 等符号系统具有高精度和可解释性，但召回率有限，而大语言模型（LLM）可能产生假阳性关系。我们开发了 ANCHOR-RE，这是一个智能体框架，结合检索到的示例、本体引导的语义约束、外部生物医学知识和错误驱动的验证，在无需任务特定微调的情况下提升 BioRE 的可靠性。我们使用专有和开放权重 LLM 在 SemRepGS、DDI 和 ChemProt 上评估了 ANCHOR-RE。为评估泛化能力并减少潜在的预训练污染，我们还使用 2026 年发表的 100 篇生物医学文章进行了截止时间后的时间精度评估。使用专有骨干模型时，ANCHOR-RE 将微 F1 相比直接提示在 SemRepGS 上从 0.654 提升至 0.676，在 DDI 上从 0.769 提升至 0.881，在 ChemProt 上从 0.937 提升至 0.941，在 DDI 和 ChemProt 上优于此前报道的仅推理方法。使用开放权重骨干模型也观察到了提升。额外实验证明了跨家族模型的兼容性以及对外部知识质量的敏感性。对截止时间后数据集中随机抽样的 500 个阳性预测进行人工评估，精确率为 69%。这些结果表明，上下文证据和错误驱动的验证可以在不同基准、模型家族和新发表文献中提升 BioRE 的可靠性，支持 ANCHOR-RE 作为一种实用的免训练生物医学文献挖掘方法。
| 评论： | 已投稿至 Journal of Biomedical Informatics（审稿中） |
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2608.03154 [cs.CL] |
| （或 arXiv:2608.03154v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2608.03154 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Shufan Ming [查看邮箱]
[v1]
2026年8月4日星期二 05:36:19 UTC（294 KB）
[v2]
2026年10月14日星期三 06:22:37 UTC（298 KB）
来源：arXiv cs.CL · arxiv.org