V2G智能体给每个GWAS位点附上证据链，但去掉证据排序后准确率反而升到0.864
V2G把GWAS位点的候选基因判定拆成可记录的检索步骤，由语言模型在汇总证据上重排并给出依据。在135个候选检索成功且Open Targets有预测的留出位点上，重排把Precision@1从证据排序的0.711提到0.793，未检出与Open Targets L2G的差异。但只给性状和基因名、打乱顺序时同一模型得0.864，说明增益主要来自对已知关联的回忆，而非对检索证据的整合。
V2G把GWAS位点的候选基因判定拆成可记录的检索步骤，由语言模型在汇总证据上重排并给出依据。在135个候选检索成功且Open Targets有预测的留出位点上，重排把Precision@1从证据排序的0.711提到0.793，未检出与Open Targets L2G的差异。但只给性状和基因名、打乱顺序时同一模型得0.864，说明增益主要来自对已知关联的回忆，而非对检索证据的整合。
已读完全部报道