驱动原因
医学研究和循证决策对可靠性要求极高。通用搜索或普通 RAG 容易给出看似合理但证据不完整的答案，因此需要把检索过程、证据来源、推理路径和自我质疑机制显式呈现出来。
项目概览
DeepMed Search 的研究动机来自医学研究中的高风险检索需求：研究者需要的不只是关键词命中文献，而是围绕临床或科研问题形成可追溯、可交叉验证的证据链。项目结合深度学习、知识图谱、医学 RAG 和智能体工作流，支持问题拆解、文献检索、证据归纳和内省式验证。
核心内容
- 利用深度学习和知识图谱提升医学文献检索与推荐质量。
- 面向 medical deep research 构建智能体式检索与分析流程。
- 强调内省式验证，帮助研究者判断检索结果和证据可靠性。
- 对应 IJCAI-ECAI 2026 Demonstrations Track 研究成果；目前尚无公开论文页。
做了什么
系统围绕医学问题拆解、文献召回、证据片段抽取、候选答案生成、反向质询和可靠性标注构建智能体流程，并通过演示平台呈现检索证据、推理过程和验证结果。
成果如何
项目产出了开源取向的医学深度研究平台和演示视频，并形成 IJCAI-ECAI 2026 Demonstrations Track 相关成果。由于公开论文页面尚未确认，本页暂不放论文链接。