arXiv Artificial Intelligence· Mohammed Saqlain·· 18 小时前AI 评分55
真实 PMID 却对应错误论文：生物医学论断核查智能体的 harness 设计
Real PMIDs, Wrong Papers: Harness Design for Biomedical Claim-Verification Agents
AI 导读
研究在 SciFact 生物医学论断核查任务上以实时 PubMed API 为唯一工具，固定骨干模型和输出格式，对比四种 harness：闭卷作答、以论断为查询的单次检索、自行编写 PubMed 查询的 ReAct 式智能体，以及直接给定金标摘要的 oracle。
来源：arXiv Artificial Intelligence · arxiv.org