真实 PMID 却引错论文：生物医学断言验证 AI 智能体的框架设计研究

研究针对生物医学断言验证对比了四种评估框架，发现检索而非推理是当前 AI 智能体的核心瓶颈。让模型自主构建 PubMed 查询可使黄金论文召回率提升至 3 倍并取得 62% 的准确率，而在直接提供黄金摘要时准确率可达 79-86%。引用审计显示闭源生成引用的 PubMed ID 真实存在率达 327/335 但仅 3 篇相关，相关代码和提示词已开源。