基于大语言模型的药物资产竞争格局映射代理
人工智能
2026-05-11 v4 信息检索
多智能体系统
摘要
本文描述并基准测试了一个用于药物资产尽职调查的竞争对手发现组件，该组件是智能体 AI 系统的一个组成部分，用于快速完成药物资产尽职调查。给定一个适应症，竞争发现 AI 代理会检索该适应症的所有药物组成的竞争格局，并提取这些药物的规范属性。竞争定义因投资者而异，数据是付费受限或授权的，跨越多个注册中心、按适应症不匹配、药物名称别名繁杂、多模态且快速变化。虽然被认为是解决此问题的最佳工具，但当前的基于大语言模型的 AI 系统无法可靠地检索所有竞争性药物名称，且没有公认的公共基准用于该任务。为弥补评估缺口，我们使用基于大语言模型的代理将私人生物技术风险投资基金过去五年的多模态、非结构化尽职调查备忘录转化为结构化评估语料库，将适应症映射到竞争性药物并规范化属性。我们还引入了一个竞争验证型基于大语言模型的评判代理，用于筛选预测竞争对手列表中的误报，以最大化精确度并抑制幻觉。在该基准上，我们的竞争发现代理实现了 83% 的召回率，显著优于 OpenAI Deep Research（65%）和 Perplexity Labs（60%）。该系统已在生产环境中部署，实际应用中，某生物技术风险投资基金的案例研究显示，分析师的 turnaround 时间从 2.5 天降低至约 3 小时（约 20 倍），实现了竞争分析的快速完成。
引用
@article{arxiv.2508.16571,
title = {LLM-Based Agents for Competitive Landscape Mapping in Drug Asset Due Diligence},
author = {Vlad Vinogradov and Alisa Vinogradova and Dmitrii Radkevich and Ilya Yasny and Dmitry Kobyzev and Ivan Izmailov and Katsiaryna Yanchanka and Roman Doronin and Andrey Doronichev},
journal= {arXiv preprint arXiv:2508.16571},
year = {2026}
}