强化学习赋能智能搜索，AI生成生物医学事实核查报告

在公共卫生信息验证领域，生物医学事实核查面临独特挑战，需要精准解读科学文献并评估证据可靠性。现有基于大语言模型和检索增强生成的方法通常仅输出简单标签，缺乏深度解释。最新研究提出BioCheck Agent系统，该系统采用智能搜索机制，专门检索PubMed高质量科学文献，并利用高级布尔搜索运算符确保领域准确性。

为解决直接提示易产生幻觉和质量低下的问题，研究团队开发了证据基础的群体相对策略优化方法，对BioCheck Agent进行强化学习训练。该方法通过特定任务奖励机制，激励高质量的搜索行为和证据检索，同时惩罚幻觉生成。实验结果显示，相比基础模型Qwen3.5-4B，采用EG-GRPO的BioCheck Agent在SciFact数据集上的标签预测准确率提升9.95%，证据质量得分提高3.7%，证据幻觉率降低19.63%。

该系统不仅能输出支持或反驳的结论，还能结合检索到的证据进行严谨分析，生成包含详细论证的结构化报告，为生物医学信息验证提供了更实用的自动化解决方案。