AutoSynthesis：多智能体系统如何实现自动化荟萃分析
AutoSynthesis：多智能体系统如何实现自动化荟萃分析
核心事件：2026年7月16日，一篇题为《AutoSynthesis: An agentic system for automated meta-analysis》的论文在arXiv上公开发布（arXiv:2607.15247），提出了一种端到端的多智能体系统，用于自动化执行定量证据合成（荟萃分析）。
背景与问题
证据合成是将初级研究转化为科学、医学、教育和政策领域可靠知识的关键环节。然而，定量证据合成长期以来主要依赖人工操作，难以规模化扩展。
该论文由 Moein Taherinezhad、Sebastian Maier、Gerardo Vitagliano、Francesco Pierri 和 Stefan Feuerriegel 共同撰写，发表于 cs.AI（人工智能）领域。
AutoSynthesis 的核心功能
AutoSynthesis 是一个端到端的多智能体系统，其工作流程如下：
- 输入：以自然语言形式的研究问题作为输入
- 搜索策略制定：系统自动生成文献检索策略
- 文献检索：从科学文献中检索相关研究
- 候选研究筛选：对检索到的候选研究进行初步筛选
- 全文资格评估：对通过初筛的研究进行全文审查
- 定量统计提取：从纳入研究中提取定量统计数据
- 效应量计算：计算标准化效应量
- 随机效应荟萃分析：执行最终的荟萃分析
- 异质性分析：检验效应量在不同调节变量下的变化
- 偏倚风险评估：对纳入研究进行质量评估
最终输出为一份符合 PRISMA 指南的透明报告。
实验结果
根据论文摘要披露的数据：
- AutoSynthesis 筛选了 超过 28 项研究
- 提取了 超过 20 条定量主张
- 产生的合并效应估计值与专家手动进行的荟萃分析中的 Hedges' g 值相近，表明与人工证据合成的结果高度一致
资源链接
- arXiv 页面：https://arxiv.org/abs/2607.15247
- DOI：https://doi.org/10.48550/arXiv.2607.15247
- PDF 下载：https://arxiv.org/pdf/2607.15247
- HTML 版本（实验性）：https://arxiv.org/html/2607.15247v1
意义与展望
AutoSynthesis 展示了多智能体系统在自动化科学证据合成方面的潜力。通过将荟萃分析流程自动化，该系统有望使定量证据合成更具可扩展性，从而支持跨学科的证据驱动决策。
对于 AI 从业者和开发者而言，该工作提供了多智能体协作完成复杂科学任务的实践案例；对于创业者和研究人员，则提示了 AI 辅助科研工具领域的潜在机会。
本文内容基于 arXiv:2607.15247 公开材料编写，所有事实、数字和链接均可在该论文页面核验。