DeepRoot：一个 KG 协调的多智能体系统，用于历史医学文本的治疗推理

历史医学档案和传统药物在药物发现方面具有巨大潜力，并且仍然是当前药物开发的主要来源。然而，前本体论的散文和特殊的分类法阻碍了当前生物医学管道中使用的数据的标准化和医学现代化。此外，现有的 LLM 代理系统，无论是工具调用、检索增强还是代理深入研究，都无法将此类文本大规模转换为可验证的药物发现线索。我们通过 DeepRoot 缩小了这一差距，这是一个多智能体 LLM 系统，该系统共同构建和利用经过验证的知识图，表明证据关联和推理（通常混为一谈）是系统可以为治疗推理组成的独立轴。应用于《神农本草经》，DeepRoot 在 R@$20$ 下恢复了 $21$ 保留的复合疾病治疗对中的 $10$（对于原始语料库 LLM 和 $\sim\!2.4\%$ 随机，$47.6\%$ vs $4.8\%$），并在 LLM 法官推理质量超过基线的审核中占据主导地位LLM 和 LLM 具有对 DeepRoot 本身查询的相同 API 的直接工具调用访问权限。使用 LLM 工具对 87\%$ 的索赔产生幻觉证据，而 DeepRoot 的这一比例为 7-10%。仅图推理产生 $0\%$ 幻觉，但在推理连贯性方面排名最低； DeepRoot KG+LLM是双赢的唯一条件，为历史医学知识的系统挖掘和再利用指明了道路。