这个品类的数据长什么样
基因治疗 AAV（腺相关病毒）临床试验预筛的数据主要来源于全球各临床试验注册库（如 ClinicalTrials.gov、欧盟临床试验注册库），以及相关的学术期刊、会议论文和专利数据库。这些数据更新频率不一，临床试验注册信息通常在试验启动、修改或结果发布时更新，频率从数周到数月不等。文档结构方面，多数为结构化或半结构化数据，包含试验方案描述、受试者纳入/排除标准、药物信息、研究机构、研究者、疗效指标和不良事件报告。字段与单位具有高度专业性，例如“AAV血清型”（如 AAV2、AAVrh.10）、“病毒载体剂量”（如 vg/kg）、“基因表达载体名称”（如 CMV-GFP）、“疾病适应症”（如 SMA、DMD）以及“治疗途径”（如 静脉注射、鞘内注射）。部分数据以 PDF 格式的详细研究报告或补充材料形式存在。
这些特征在「引用来源与溯源」这一环带来什么约束
AAV 基因治疗临床试验数据的专业性与多样性对引用来源与溯源带来了特定要求。首先，数据来源的广泛性，包括注册库、学术论文和专利，要求系统能够整合多源异构信息，并准确识别每个信息片段的原始出处。其次，数据更新的不一致性，特别是临床试验状态的动态变化，意味着溯源时需要关注信息的时效性，避免引用过时或已撤回的数据。结构化与半结构化数据并存，使得在提取关键信息时，需要针对不同的文档格式进行有效解析，确保 AAV血清型、病毒载体剂量 等核心字段的准确识别。此外，专业的医学术语和生物学单位，如 vg/kg，要求系统在引用时能正确解释其含义，并避免因单位混淆导致的误解。对 PDF 格式详细报告的解析能力，决定了能否从非结构化文本中准确抽取如不良事件发生率等关键溯源信息。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 500–800 字符 | 兼顾 AAV 基因治疗临床试验描述的完整性与模型处理窗口限制 |
召回条数 | 10–15 条 | 覆盖临床试验方案、适应症、不良事件等多个维度信息，确保全面性 |
相似度阈值 | 0.75–0.85 | 过滤掉不相关的试验信息，同时保留潜在相关的 AAV 类型或疾病匹配 |
重排返回条数 | 5 条 | 优先展示与查询最相关的 AAV 载体、靶基因或疾病适应症信息 |
最大引用token数 | 3000 token | 确保能容纳多个临床试验的关键信息段落，便于模型理解上下文 |
解析PDF最大页数 | 50 页 | 应对详细的临床研究报告或试验方案，避免因页数限制而漏失信息 |
容易做错的三处
- 输出结果中引用的临床试验信息与原始文档不一致，原因是文档预处理时
病毒载体剂量等关键字段的单位未被正确识别，导致数值解析错误。 - 模型回答中引用了已终止或撤回的 AAV 临床试验数据，原因是知识库更新机制未能及时同步 ClinicalTrials.gov 等注册库的最新状态。
- 在复杂查询下，如涉及多种 AAV 血清型或不同给药途径的比较，召回的引用条目数量偏少，原因是
召回条数配置过低，未能覆盖足够的多样化信息。
怎么确认配好了
- 选取多个具有代表性的 AAV 基因治疗临床试验查询，检查输出中引用的
试验ID是否与知识库中原始数据源的NCT号或EudraCT号完全匹配。 - 针对包含 PDF 报告的知识库条目，验证模型回答中引用的
不良事件发生率等具体数据，与原始 PDF 文件中的对应数值进行比对，确认解析无误。 - 设计包含不同 AAV 血清型、疾病适应症和给药途径的复杂查询，检查召回的引用条目是否涵盖了所有相关维度，并评估
相似度阈值对应的召回精准度。
问题素材取自公开社区提问（2026-09-11 去重 4,834 条）。文中的配置项名称与取值区间需以所用版本的实际界面与文档为准；本页核验日 2026-09-21，当时的最新发布版本为 FastGPT v4.17.0。