摘要
证据合成对于将基础研究转化为科学、医学、教育和政策的可靠知识至关重要。然而，定量证据合成在很大程度上仍然是手动的，且难以扩展。我们在此介绍 AutoSynthesis，这是一个端到端的多代理系统，旨在实现自动化元分析。
给定一个自然语言的研究问题，AutoSynthesis 会制定搜索策略，检索科学文献，筛选候选研究，评估全文的合格性，提取定量统计，计算标准化效应大小，最后执行随机效应元分析。此外，AutoSynthesis 还支持异质性分析，以检查效应大小如何在不同调节因素下变化，以及风险偏倚评估。作为输出，AutoSynthesis 生成与 PRISMA 指南一致的透明报告。
在我们的应用中，AutoSynthesis 筛选了超过 28 项研究，提取了超过 20 个定量声明。AutoSynthesis 生成的合并效应估计与专家进行的元分析中的 Hedges' $g$ 非常相似，表明与手动证据合成的密切一致性。这些结果共同表明，AutoSynthesis 可以使定量证据合成更具可扩展性，从而支持各学科的基于证据的决策。
博主点评： AutoSynthesis 系统通过自动化流程显著降低了元分析的手动成本，提升了效率，且其结果与专家分析高度一致，为科学研究提供了一种新思路，尤其是在需要快速处理大量文献的情况下，具有重要的应用潜力。该系统的设计展示了现代 AI 在科学研究中的强大能力，值得进一步探索和应用。