Pub-Guard-LLM：基于大语言模型的生物医学撤稿文章检测与可靠解释
计算与语言
2025-08-22 v5
摘要
大量已发表的科学文章涉及欺诈行为，严重威胁医学等领域研究的可信度与安全。我们提出 Pub-Guard-LLM，首个专为生物医学科学文章欺诈检测而设计的大语言模型系统。我们提供三种部署 Pub-Guard-LLM 的应用模式：基础推理、检索增强生成和多智能体辩论。每种模式均可提供预测的文本解释。为评估系统性能，我们引入开源基准 PubMed Retraction，包含 11 千余篇真实生物医学文章，包括元数据与撤稿标签。我们表明在所有模式下，Pub-Guard-LLM 均显著优于各种基线方法，并提供更可靠的解释，即解释被认为比基线方法生成的更相关且更连贯。通过提升科学欺诈检测中的检测性能与可解释性，Pub-Guard-LLM 为保障研究完整性贡献了一种新型、有效且开源的工具。
引用
@article{arxiv.2502.15429,
title = {Pub-Guard-LLM: Detecting Retracted Biomedical Articles with Reliable Explanations},
author = {Lihu Chen and Shuojie Fu and Gabriel Freedman and Cemre Zor and Guy Martin and James Kinross and Uddhav Vaghela and Ovidiu Serban and Francesca Toni},
journal= {arXiv preprint arXiv:2502.15429},
year = {2025}
}
备注
long paper under review