AI-agent städar upp rörig forskningsdata med imponerande precision

arXiv cs.AI

Forskare har byggt ett LLM-baserat verktyg kallat ARMS som automatiskt standardiserar gammal biomedicinsk metadata – alltså de beskrivande etiketter som gör forskningsdata sökbar och användbar. När verktyget testades på 839 dataposter från det amerikanska projektet HuBMAP ökade precisionen från 0,56 till 0,93 jämfört med en vanlig promptbaserad metod. Tricket är att ARMS i realtid hämtar officiella terminologistandarder direkt från auktoritativa databaser, istället för att förlita sig på vad LLM:en råkar ha lärt sig under träningen.