EviDAG：基于生物医学文献的可审计因果DAG编写

构建因果有向无环图（DAG）是生物医学因果分析的核心步骤，但它在很大程度上仍是一个手动过程。分析人员必须将研究变量与既往文献关联，评估不确定的因果论断，并保留足够的出处信息以供专家审查。我们提出 EviDAG，一个基于浏览器的系统，用于从生物医学文献中编写因果 DAG，将其作为可审计、证据关联的产物。给定研究概念的自由文本描述，EviDAG 会创建可复现的文献快照，使用基于 LLM 的推理模块生成结构化的成对因果判断，将得到文献支持的判断链接到逐字证据摘录，并将这些判断组装成经过约束检查的图。每条提议的边都包含置信度估计、出处信息和可审查的理由说明。该界面支持研究规范设定、进度监控、证据审查、图比较、调整集计算和导出。在与紧凑基准 DAG 以及从已发表文献导出的参考 DAG 的对比评估中，EviDAG 在基于文献的队列上取得了较高的边召回率，同时保留了纯 LLM 基线所缺乏的可验证证据链。因此，EviDAG 在降低因果 DAG 整理负担的同时，使所产生的假设可被审计，从而支持生物医学研究的设计、分析与解释。