Resumen: En este documento, describimos y comparamos un componente de descubrimiento de la competencia utilizado dentro de un sistema de IA agente para la diligencia debida de los activos de drogas rápidas. Un agente de IA de descubrimiento de la competencia, dada una indicación, recupera todos los medicamentos que comprenden el panorama competitivo de esa indicación y extrae atributos canónicos para estos medicamentos. La definición de la competencia es específica de los inversores, y los datos están en paredes/licenciados, fragmentados entre registros, ontología incorporada por indicación, alias pesado para nombres de drogas, multimodales y cambiantes rápidamente. Aunque se considera la mejor herramienta para este problema, los actuales sistemas de IA basados en LLM no son capaces de recuperar de manera confiable todos los nombres de drogas en competencia, y no hay un punto de referencia público aceptado para esta tarea. Para abordar la falta de evaluación, utilizamos agentes basados en LLM para transformar cinco años de notas de diligencia multimodales y no estructuradas de un fondo privado de VC Biotech en una indicación de mapeo de corpus de evaluación estructurada para medicamentos competidores con atributos normalizados. También presentamos a un competidor que valida el agente LLM-as-a-Judge que filtra falsos positivos de la lista de competidores predichos para maximizar la precisión y suprimir las alucinaciones. En este punto de referencia, nuestro agente de descubrimiento de la competencia logra el 83%de recuerdo, excediendo la investigación profunda de OpenAI (65%) y los laboratorios de perplejidad (60%). El sistema se implementa en producción con usuarios empresariales; En un estudio de caso con un fondo de inversión Biotech VC, el tiempo de respuesta del analista cayó de 2.5 días a $ sim $ 3 horas ($ sim $ 20X) para el análisis competitivo.
Publicado Originalme en export.arxiv.org El 24 de agosto de 2025.
Ver Fuente Original
