DeepTCM1.0:基于通用大语言模型的多专家智能体用于解析中药复方机制

arXiv cs.CL 论文

摘要

DeepTCM1.0是一个基于DeepSeek V3.2大语言模型构建的多专家智能体框架,用于解析中药复方的机制,通过Guizhi Decoction进行验证,并通过综合评分系统进行评估。

arXiv:2608.18103v1 公告类型:新 摘要:背景:传统中医复方的作用机制阐明仍是中医现代化的核心挑战。传统方法,包括数据挖掘和网络药理学,不足以实现古典中医理论与现代科学研究的深度融合。此外,使用通用人工智能大语言模型直接问答受限于对中医理论框架适应不足和容易出现推理幻觉。因此,迫切需要开发符合中医整体原则的智能分析方法。目标:建立一个融合古典中医理论与现代生命科学的多专家智能代理框架,从而实现中医复方的系统化、可解释性机制分析,并以Guizhi Decoction作为代表性验证案例。方法:基于通用大语言模型DeepSeek V3.2构建DeepTCM1.0框架。它采用三层协作架构和三轮迭代质量控制工作流,模拟11个跨学科智能代理的协作分析过程。该框架从古典中医理论和现代科学研究双重视角应用于Guizhi Decoction的机制解读。通过双盲五维评分、类内相关系数(ICC)可靠性测试、Mann-Whitney U检验和效应量分析,对框架性能进行了全面评估。评估采用四个独立的大语言模型作为评估者,每个对五份匿名报告进行五轮重复评分,共产生100次独立评分评估。
查看原文
查看缓存全文

缓存时间: 2026/08/20 10:00

# DeepTCM1.0:基于通用大语言模型的中药复方机制解析多专家AI智能体
来源:https://arxiv.org/abs/2608.18103
查看PDF (https://arxiv.org/pdf/2608.18103)

> 摘要:背景:阐释中药复方的作用机制是中药现代化的核心挑战。传统方法,包括数据挖掘与网络药理学,难以实现中医理论与现代科学研究的深度融合。此外,直接使用通用人工智能大语言模型进行问答,因其对中医理论框架适配不足且易产生推理幻觉而存在局限。因此,亟需开发符合中医整体原则的智能分析方法。目标:建立一个整合中医经典理论与现代生命科学的多专家智能体框架,以实现对中药复方系统化、可解释的机制分析,并以桂枝汤作为代表性验证案例。方法:基于通用大语言模型DeepSeek V3.2构建DeepTCM1.0框架。该框架采用三层协作架构与三轮迭代质控工作流,模拟11个跨学科智能体的协作分析过程。框架从中医经典理论与现代科学研究双重视角,应用于桂枝汤的机制阐释。通过双盲五维评分、组内相关系数可靠性检验、Mann-Whitney U检验及效应量分析对框架性能进行全面评估。评估采用四个独立大语言模型作为评分者,对五份匿名化报告各进行五轮重复评分,共获得100次独立评分评估。

## 投稿历史

来自:Fan Song \[查看邮件 (https://arxiv.org/show-email/0d5c6bd1/2608.18103)\] **\[v1\]** 2026年6月10日 周三 03:05:21 UTC (1,568 KB)

相似文章

Mind DeepResearch 技术报告

Hugging Face Daily Papers

# 论文页面 - Mind DeepResearch 技术报告 来源:[https://huggingface.co/papers/2604.14518](https://huggingface.co/papers/2604.14518) ## 摘要 MindDR 是一个高效的多智能体深度研究框架,通过协作式三智能体架构与专门设计的四阶段训练流程,在多个基准测试中取得优异成绩。我们提出 Mind DeepResearch(MindDR),一个高效的[多智能体深度研究框架](https://hug