PRISMA：面向负责任的制药知识管理的规范性信息基础设施
计算与语言
2026-03-30 v1 人工智能
摘要
大多数现有的制药 AI 方法将三个认识论上截然不同的操作合并到单一技术层中：文档保存、语义解释和语境呈现。这种混淆是反复出现的脆弱性的根本原因，包括来源丢失、解释不透明、警报疲劳和问责侵蚀。本文提出 PATOS--Lector--PRISMA（PLP）基础设施作为负责任制药知识管理的规范性信息架构。PATOS 通过显式版本控制和来源追溯保存监管文件；Lector 实现机器辅助阅读并结合人工审核，生成锚定到原始来源的类型化断言；PRISMA 通过 RPDA 框架（监管、处方、调配、管理）提供语境呈现，将相同的信息核心折射为不同的专业视角。该架构引入证据包（Evidence Pack）作为可问责断言的正式单元（具有版本控制、可追溯、认识论有界和审核验证的特征），断言按言外之力分类。一个工作示例使用真实系统数据追踪了安乃近单水合物在所有三个层中的情况。该架构在巴西监管背景下开发和验证，由超过 16,000 份官方文件和 38 个经过审核的证据包组成，涵盖五种参考药物。该提案被证明是对运营决策支持系统的补充，提供了当前系统缺乏的基础设施条件：文档锚定、解释透明性和制度问责。
引用
@article{arxiv.2603.26323,
title = {From Human Cognition to Neural Activations: Probing the Computational Primitives of Spatial Reasoning in LLMs},
author = {Jiyuan An and Liner Yang and Mengyan Wang and Luming Lu and Weihua An and Erhong Yang},
journal= {arXiv preprint arXiv:2603.26323},
year = {2026}
}