SwiftDossier：基于大语言模型和智能体的药物发现定制化自动档案
人工智能
2024-09-25 v1
摘要
人工智能算法的发展拓展了其在多个领域的应用，包括生物医学领域。人工智能系统，包括大型语言模型 (LLM)，在药物发现中尤为有益，该过程漫长且昂贵。然而，大型语言模型本身缺乏特定领域的深入知识，可能生成事实错误信息。此外，它们无法执行涉及外部工具使用的复杂操作。我们的工作聚焦这两个问题。首先，我们展示了高级检索增强生成 (RAG) 系统如何帮助大型语言模型更准确地回答药物发现相关问题。结果表明，采用 RAG 系统的大型语言模型生成的答案质量优于无 RAG 的模型。其次，我们展示了如何使用大型语言模型和外部工具创建自动化靶点档案，以执行更复杂的任务来收集数据，如访问数据库和执行代码。结果是一个生产就绪的靶点档案，包含整理后的信息，生成 PDF 和 PowerPoint 汇报。
引用
@article{arxiv.2409.15817,
title = {SwiftDossier: Tailored Automatic Dossier for Drug Discovery with LLMs and Agents},
author = {Gabriele Fossi and Youssef Boulaimen and Leila Outemzabet and Nathalie Jeanray and Stephane Gerart and Sebastien Vachenc and Joanna Giemza and Salvatore Raieli},
journal= {arXiv preprint arXiv:2409.15817},
year = {2024}
}
备注
10 pages, 7 figures, 2 tables