CESAR：引用扩展结合大模型筛选，让药物发现文献综述自动化
- CESAR是一个开源工作流：通过OpenAlex沿参考文献和施引文献扩展语料，再由经人工标注参照集校准的大模型筛选摘要。
- 在宽泛领域（全合成）和狭窄靶点（MAGL）上，以既有人工整理的文献集做回顾性验证；语料覆盖了大部分已知文献，廉价模型的表现接近昂贵模型。
- 开源权重模型在本地运行即可达到云端水平，并能同步提取选择性与化合物名称，适合处理保密资料。本文为预印本，未经同行评审。
💡 要点 基于摘要的观点
“覆盖了大部分已知文献”只是对照人工整理文献集得到的召回率，而这些文献集很可能与扩展所用的文献和引用关系同源，所以几乎说明不了会漏掉什么。用到自己的靶点之前，先从被排除的摘要里随机抽样人工复核，估一下假阴性，因为文献全景悄悄出偏差的地方正是这里。