基于层次特征选择和 AI 智能体虚拟学习小组的基因概览知识发现
机器学习
2026-03-23 v1
摘要
大型语言模型在多个具有挑战性的任务中取得了显著进展，其容量可以通过新兴的 agentic AI 技术进一步提升。这一新的计算范式已经开始革新传统的科学发现管道。在本工作中，我们提出了一种 novel 的 agentic AI 基于知识发现导向的虚拟学习小组，旨在提取考虑高度相关年龄的 Gene Ontology 术语中提取有意义生物学知识的机制，这些术语是通过层次特征选择方法选择的。我们通过考虑四种不同模式生物标志物的年龄相关 Gene Ontology 术语来检验所提出的 agentic AI 框架的性能，并通过审查现有研究文章来验证生物学发现。结果发现，AI 智能体生成的大多数科学主张都得到现有文献的支持，所提出的虚拟学习小组的内部机制也在所设计的 agentic AI 基于知识发现框架中发挥了重要作用。
关键词
引用
@article{arxiv.2603.20132,
title = {Revisiting Gene Ontology Knowledge Discovery with Hierarchical Feature Selection and Virtual Study Group of AI Agents},
author = {Cen Wan and Alex A. Freitas},
journal= {arXiv preprint arXiv:2603.20132},
year = {2026}
}