生物医学声明验证智能体检索瓶颈研究

Mohammed Saqlain 等研究者在 SciFact 生物医学论断验证任务上，以实时 PubMed API 为唯一工具，对四种智能体 harness 做受控消融。结果显示，单次检索仅找到 6% 的 gold 论文；让模型自行写查询后，gold 召回率提高到三倍，最佳准确率为 62%。 同一模型在给定 gold 摘要后准确率可达 79-86%，研究者据此认为检索而非推理是主要瓶颈。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。