63万指令微调！LEADS登Nature子刊，重塑医学文献挖掘工作流

背景：医学系统综述是循证医学的基石，但传统流程耗时费力，通用大模型在医学文献挖掘中存在任务形态不匹配、领域数据缺失和幻觉等问题。研究目的：为了高效、准确地支持医学文献挖掘，研究提出了LEADS模型，旨在通过专有数据和针对医学系统综述工作流的指令微调，实现人机协作，加速检索、筛选和数据提取过程。结论：LEADS在六类子任务上全面超越通用大模型，并在真实用户研究中证明，专家借助LEADS能在保持或提高召回率与准确率的同时，显著节省时间，验证了“专有数据+领域工作流+人机协作”路径在垂直医学文献挖掘中的有效性。