AI 與世界的難題 · 天文與太空 · arXiv · 2026-10-26
FacilityAudit-Agent：超越「提及即使用」，針對天文物理學出版物進行細粒度的設施貢獻歸因
原標題: FacilityAudit-Agent: Beyond Mention-as-Usage for Fine-Grained Facility Contribution Attribution in Astrophysics Publications
FacilityAudit-Agent 是一個框架，能以六級量表評定某設施的資料對論文論點的支持程度，而不僅是判斷論文是否提及該設施。它使用可呼叫工具的大型語言模型（LLM）從論文各章節擷取證據，透過決策樹與信心分數加以整合，並將不確定的案例交由人工審查。在 39,358 組已標註的論文—設施配對上，其準確率達 89.1%，宏平均 F1 為 79.8%，優於三個基準方法，並已部署於國家天文資料中心，用於 LAMOST、FAST 及 EP 的相關發表論文。