LLM-Based Agents for Competitive Landscape Mapping in Drug Asset Due Diligence
本文介绍并基准测试了一个基于大语言模型的智能体系统，用于药物资产尽职调查，该系统将非结构化的风险投资备忘录转化为结构化评估语料库，在竞争对手发现方面实现了 83% 的召回率，并将分析师的周转时间从 2.5 天缩短至约 3 小时。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象你是一名侦探，正在试图破解一个庞大的案件：“在这个特定的药物市场中，所有其他参与者究竟是谁？”
在生物科技投资领域，基金在决定支持一种新药之前，需要了解整个“竞争格局”。他们必须找出每一种治疗相同疾病的药物。这被称为“尽职调查”。
目前，这样做就像在 haystack（干草堆）里找针，而这个 haystack 是由数千种不同的语言、破碎的网站、模糊的图像和机密报告构成的。人类专家不得不花费数天时间（每种药物约 2.5 天），手动在这些混乱中挖掘答案。
本文介绍了一个全新的"AI 侦探团队”（名为 BIOPTIC AGENT），它能更快、更好地完成这项工作。以下是其工作原理，分解为简单的概念：
1. 问题：药物名称的“失物招领”
作者解释说，寻找竞争对手极其困难，原因如下：
- 名称混乱：同一种药物在不同国家可能被称为"X 药”、“蓝色药丸”，或者以其化学代号命名。
- 信息分散：线索隐藏在科学论文、政府试验列表、新闻稿以及看起来像电子表格的 PDF 文件中。
- 规则变化：每天都有新药出现，旧药则消失。
现有的 AI 工具（如标准搜索引擎或简单的聊天机器人）往往遗漏“长尾”竞争对手——那些难以找到的冷门对手。此外，当无法找到真实答案时，它们还倾向于“幻觉”（即编造内容）。
2. 解决方案：AI 代理团队
作者没有让一个 AI 去“寻找一切”，而是构建了一个由专业化 AI 代理组成的分层团队。这就像一个组织严密的新闻编辑室或侦探小队：
- 解析器（档案管理员）：该代理阅读混乱的非结构化报告（包含图表和文本的 PDF），并将其转化为整洁、有序的列表。它提取药物名称及其治疗的疾病。
- 探索者（侦探）：这是主要代理。它不只是猜测，而是前往“网络”（互联网）去搜寻竞争对手。它采用一种称为REACT（推理、行动、观察）的策略。
- 类比：想象一名侦探，他不只问一个问题。他问一个问题，阅读答案，意识到需要更多信息，基于此提出新问题，并重复此循环多次。他还会同时派出多名“侦察兵”去搜索不同的网站。
- 验证器（法官）：这是最关键的安全步骤。探索者可能找到了 50 种药物，但其中 10 种可能是虚假的或不相关的。验证器就像一位严厉的法官。它根据规则检查探索者找到的每一种药物：“是否有确凿证据证明这种药物能治疗这种特定疾病？”如果答案是否定的，它就将其剔除。这确保了最终列表的高度准确性。
3. 训练数据：向专业人士学习
为了训练这个 AI 团队，作者不仅使用了公开数据，还使用了一家生物科技风险投资基金5 年来的私人、真实世界投资备忘录。
- 他们将这些混乱的、手写风格的报告，利用他们自己的 AI 清理成“黄金标准”数据集。
- 该数据集成为了考试，用于测试他们的新型 AI 团队是否优于竞争对手。
4. 结果：速度与准确性
作者将他们的BIOPTIC AGENT与其他著名 AI 系统（如 OpenAI 的 Deep Research 和 Perplexity）进行了测试。
- 得分：BIOPTIC AGENT 发现了**83%**的已知竞争对手（召回率）。
- OpenAI Deep Research 发现了65%。
- Perplexity 发现了60%。
- 速度：在风险投资基金进行的真实世界测试中，分析师完成竞争分析所需的时间从2.5 天缩短至约 3 小时。这意味着20 倍的速度提升。
- 质量：尽管速度更快，但它并未牺牲准确性。“法官”代理成功过滤了误报，确保了最终列表的可信度。
5. 为何有效：“痛苦教训”与“脚手架”
本文讨论了 AI 领域的一个争论：我们应该仅仅使用一个超级聪明的“大脑”（大模型），希望它能自行解决问题？还是应该构建一个结构（“脚手架”），迫使 AI 按步骤工作？
作者发现，对于这项具体且混乱的工作，脚手架胜出。
- 单次通过的 AI（试图一次性给出答案）在信息难以查找时会失败。
- BIOPTIC AGENT 之所以成功，是因为它被构建为持续搜索、检查自身工作，并在给出答案之前验证证据。它不仅仅是“思考”，而是在“狩猎”。
总结
本文展示了一个已部署的系统，它就像一个超高效的研发团队。它接手了绘制药物竞争对手图谱这一混乱的工作，利用多步骤 AI 流程搜寻每一个可能的线索，然后使用严格的“法官”AI 来验证发现。其结果是一个工具，比人类专家快 20 倍，比其他顶级 AI 系统发现更多竞争对手，同时保持低错误率。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。