EMBL AI Librarian：AI 代理的生命科学知识层

越来越多的人工智能代理而不是人类访问网络。每个代理都需要知识，尤其是在生命科学领域，代理管道正在快速增长。获取文献是满足这一需求的关键部分，欧洲 PMC 等拥有超过 4000 万条索引记录的资源被广泛用于满足这一需求。然而，这些资源并不是为人工智能代理构建的：它们采用关键字和复杂的语法并返回整篇论文，因此每个代理都必须学习语法，进行多次搜索，并阅读全文以找到所需的证据。我们引入了 EMBL AI Librarian，这是一个知识层，可升级 AI 代理的欧洲 PMC 界面：代理用自然语言提问并接收回答问题的证据。单个 LLM 协调整个知识检索过程：它计划由实时 Europe PMC 搜索引擎执行的补充子查询，然后读取所选论文并找到相关证据。我们通过四个基准评估 Librarian：文献综合、声明验证、开放域问答以及协议问题和序列操作等下游生物学任务。在 ScholarQABench 上，Librarian 将 引用 F1 比最近发布的较强基线提高了16分以上。用作现有声明验证管道的检索层，它增加了与专家共识的一致性；在开放式 LitQA2 基准测试中，GPT-5.4 代理在 Librarian 中的得分比在网络搜索中高出约8分。总体而言，我们的结果表明，为生命科学代理配备图书馆员知识层可以提高一系列任务的性能。我们在 https://github.com/petroni-lab/librarian 公开发布我们的代码