全球狩猎：在投资、业务开发以及搜索和评估中用于药物资产搜寻的深度研究人工智能代理

生物制药创新已经发生转变：许多新药资产现在源自美国境外，并主要通过地区性非英语渠道披露。最近的数据显示，超过 85% 的专利申请来自美国以外，其中中国占全球总量的近一半；非美国学术成果的份额越来越大。行业估计，中国的药物开发占全球药物开发的 30% 左右，涉及 1,200 多种新候选药物。在这种高风险的环境中，未能揭露“不为人知”的资产会给投资者和业务开发团队带来数十亿美元的风险，从而使资产搜寻成为覆盖范围至关重要的竞争，速度和完整性驱动价值。然而，当今的深度研究人工智能代理在跨异构、多语言来源实现高召回率发现而没有幻觉方面仍然落后于人类专家。我们提出了一种药物资产侦察的基准方法和一个经过调整的、基于树的自学习生物光学代理，旨在实现完整的、非幻觉的侦察。我们使用多语言多代理管道构建了一个具有挑战性的完整性基准：复杂的用户查询与基本位于以美国为中心的雷达之外的真实资产相结合。为了反映真实交易的复杂性，我们收集了来自专业投资者、BD 和 VC 专业人士的筛选查询，并将它们用作先验条件来有条件地生成基准查询。对于评分，我们使用大语言模型作为评判评估，并根据专家意见进行校准。我们将 Bioptic Agent 与 Claude Opus 4.6、OpenAI GPT-5.2 Pro、Perplexity Deep Research、Gemini 3 Pro + Deep Research 和 Exa Websets 进行比较。 Bioptic Agent 的 F1 达到 79.7%，而 F1 为 56.2% (Claude Opus 4.6)、50.6% (Gemini 3 Pro + Deep Research)、46.6% (GPT-5.2 Pro)、44.2% (Perplexity Deep Research) 和 26.9% (Exa Websets)。通过额外的计算，性能急剧提高，支持了更多计算产生更好结果的观点。