“打扰一下，我可以说点什么吗？” CoLabScience：面向生物医学发现与 LLM-专家协作的主动式 AI 助手
计算与语言
2026-04-20 v1 人工智能
人机交互
机器学习
摘要
将大型语言模型 (LLM) 集成到科学工作流中，为加速生物医学发现提供了令人兴奋的机遇。然而，LLM 的被动性（即仅在收到提示时才做出响应）限制了其在需要预见性和自主参与的协作环境中的有效性。在本研究中，我们引入了 CoLabScience，这是一个主动式 LLM 助手，旨在通过及时且具备上下文感知的干预，增强 AI 系统与人类专家之间的生物医学协作。我们方法的核心是 PULI (Positive-Unlabeled Learning-to-Intervene)，这是一个新颖的框架，通过强化学习目标进行训练，利用团队的项目提案以及长期和短期对话记忆，来决定何时以及如何对流式科学讨论进行干预。为了支持这项工作，我们引入了 BSDD (Biomedical Streaming Dialogue Dataset)，这是一个模拟研究讨论对话的新基准，其干预点源自 PubMed 文章。实验结果表明，PULI 在干预精度和协作任务效用上均显著优于现有基线，突显了主动式 LLM 作为智能科学助手的潜力。
引用
@article{arxiv.2604.15588,
title = {"Excuse me, may I say something..." CoLabScience, A Proactive AI Assistant for Biomedical Discovery and LLM-Expert Collaborations},
author = {Yang Wu and Jinhong Yu and Jingwei Xiong and Zhimin Tao and Xiaozhong Liu},
journal= {arXiv preprint arXiv:2604.15588},
year = {2026}
}
备注
ACL 2026 Main Conference