编辑推荐：
当前 LLMs 用于参考文献检索常出现不准确、灰色文献或虚构引文等问题。本研究开发多 AI 代理系统 LITERAS，整合 PubMed 检索与双向代理通信。其在 5 个医学领域表现出色，引文准确率近 99.82%， referencing accuracy 达 96.81%，显著提升 AI 辅助文献综述可靠性。
在生物医学研究的浩瀚海洋中，新期刊如雨后春笋般涌现，每年诞生的研究成果不计其数，这无疑标志着医学领域的飞速进步。然而，当研究者们想要从中提炼出有价值的信息撰写文献综述时，却仿佛置身于一片布满暗礁的海域 —— 大量低质量研究、非 PubMed 索引期刊论文、低分区低影响因子的文献以及过时的文章混杂其中，如同迷雾般遮挡了高质量研究的光芒。更棘手的是，传统的关键词搜索虽能在一定程度上定位相关文献，但往往耗时良久，而大型语言模型（LLMs）虽能提供细致的解释、总结研究并辅助撰写手稿，却深陷两大困境：一是 citation hallucinations（引文幻觉，即生成虚构或错误的引文）频发，二是对文献来源质量缺乏鉴别力。早期的 LLMs 如 GPT-3.5，仅有 45% 的参考文献准确，43% 存在实质性错误；即便后来的 GPT-4 与 Gemini ultra，Gemini 的准确率也仅 68%，且都难以可靠地优先引用高质量文献，这显然无法满足严谨的学术需求。
为了冲破这一桎梏，来自 Rambam 医疗园区的研究人员开展了一项颇具突破性的研究，相关成果发表在《Computers in Biology and Medicine》。他们开发了一种多 AI 代理系统 —— 文献综述与引文检索代理系统（LITERAS），旨在优化高质量文献综述的撰写和精准、可靠引文的检索。
研究人员主要采用了以下关键技术方法：开发了开源的多 AI 代理系统 LITERAS，该系统通过 PubMed 的应用程序接口对最大的生物医学文献数据库（MEDLINE）进行搜索，并利用双向代理间通信来提高引文的准确性和可靠性。
研究结果
引文准确性与 referencing accuracy 评估
通过对比 LITERAS 与当前最先进的 LLMs（Perplexity AI 的 Sonar 和 Sonar-Pro）在五个医学专科（肿瘤学、心脏病学、风湿病学、精神病学、感染性疾病 / 公共卫生）的表现发现，LITERAS 的 citation accuracy（即参考文献是否与真实出版物匹配）高达 99.82%，与 Sonar（100.00%，p = 0.065）和 Sonar-Pro（99.93%，p = 0.074）在统计学上无显著差异。而在 referencing accuracy（文内引用细节与元数据的一致性）方面，LITERAS（96.81%）显著优于 Sonar（89.07%，p < 0.001），并与 Sonar-Pro（96.33%，p = 0.139）相当。
文献来源质量对比
在文献来源质量上，LITERAS 展现出独特优势，其引用的文献完全来自 Q1–Q2 区的同行评审期刊，非学术内容占比为 0%。相比之下，Sonar 包含 35.60%（p < 0.01）的非学术来源，Sonar-Pro 也有 6.47%（p < 0.001）的非学术内容。不过，Sonar-Pro 引用的期刊影响因子更高，其中位数影响因子（IF）为 14.70，而 LITERAS 为 3.70（p < 0.001）。
多代理循环与文献时效性
LITERAS 的多代理循环机制（每个查询平均 2.2 ± 1.34 次迭代）有效减少了 hallucinations（幻觉，此处指错误生成的内容），并且始终优先选择近期文献（四分位距为 2023–2024 年）。在特定领域分析中，肿瘤学领域的 IF 差异最为显著（Sonar-Pro 为 42.1，LITERAS 为 4.3，p < 0.001），这反映出 Sonar-Pro 更倾向于引用大型联盟指南和高影响因子的元分析。
研究结论与讨论
LITERAS 在文献综述任务中，相较于基于学术搜索的 LLMs 方法，展现出更高的近期学术期刊文章检索能力，并能生成更长的总结报告。该研究凸显了多 AI 代理系统相较于单一 LLMs 的优势，表明在超出 LLMs 固有能力的任务中，开发多代理系统至关重要。这一成果为提升 AI 辅助文献综述系统的可靠性提供了宝贵的思路和方向，未来研究可聚焦于将 LITERAS 整合到临床工作流程中，进一步评估其对工作效率和准确性的影响。该研究不仅为解决当前 LLMs 在文献检索中的难题提供了有效方案，更有望推动 AI 在生物医学研究领域的深入应用，助力研究者更高效、精准地获取和利用学术资源，加速医学研究的进展。
