EMBL AI Librarian：面向AI代理的生命科学知识层

EMBL推出AI Librarian，这是一个面向AI代理的生命科学知识层，升级欧洲PMC接口。它让代理能用自然语言提问并获得直接答案，通过单个LLM规划子查询、阅读论文并定位证据。在ScholarQABench上，其引用F1指标提升超过16点；在LitQA2基准上，GPT-5.4代理使用Librarian后得分高出约8点。

此前，Europe PMC等资源仅支持关键词和复杂语法，返回整篇论文，AI代理需自行学习语法、多次搜索并阅读全文。EMBL AI Librarian让代理用自然语言提问即可获得证据，显著降低使用门槛，提升检索效率和准确性，在多个基准上表现优于强基线。

Librarian的核心是一个LLM，它负责整个知识检索过程：规划互补的子查询，由实时Europe PMC搜索引擎执行，然后阅读选定的论文并定位相关证据。这种端到端编排方式将检索、阅读和证据定位结合，使代理无需理解底层API语法，直接获得答案。

对生命科学领域AI产品，集成Librarian可省去自建检索和阅读模块的开发成本，缩短研发周期。它提高代理回答的准确性和可追溯性，降低幻觉风险。现有流程如声明验证、开放域问答等可快速接入，提升产品竞争力。

• 在生命科学问答产品中集成Librarian作为默认检索层，替换现有web搜索，提升回答准确性。
• 为现有claims验证流程搭建Librarian检索插件，自动获取证据，提高与专家共识的一致性。
• 开发基于Librarian的文献综述工具，支持研究人员用自然语言生成结构化综述。
• 探索将Librarian接入生物实验协议问答系统，帮助研究人员快速获取实验步骤和操作细节。

• Librarian在处理非英语自然语言查询时的性能如何？
• 该知识层对40M以上记录的扩展性如何？是否支持定制化索引？
• 论文中提到的Librarian优化证据，其具体延迟和成本如何？
• Librarian是否有API或开源版本可供第三方直接调用？