# 研究

我们把做数据库过程中形成的方法、评测与观察写成报告，并公开数据与代码。

-
 技术报告 方法 许可与来源

## 生物医学数据集许可与来源的双轴记录模型：字段规范、判定规则与证据要求

 生物医学数据集的许可与来源信息分散在许可证文件、托管页元数据、说明文档、论文和上游数据中，且各处可能不一致。本文给出一种信息卡规范，把许可状态（描述公开声明所述内容，五个取值）与托管处理（由许可状态、来源风险标记和人工签字推出的决定，四个取值）分开记录。

2026-11-13 定稿 Mdexa Research

-
 技术报告 调查 许可与来源

## 药物研发常用公开数据库与术语体系使用条款的结构化调查

 制药与生物技术用户使用药物研发的公开数据库和编码体系时，需要从主页、说明页和全站政策中找出使用条款，而这些条款形态差别很大。本文对七类共 26 个常用资源，抓取并保存了预期陈述条款的页面文字，逐项记录所述的许可与条件，并附逐字引文，由脚本在保存的页面中核对。

2026-11-13 定稿 Mdexa Research

-
 技术报告 参考 许可与来源

## 生物医学数据集许可标识的分类与对照

 数据集上的许可标识种类悬殊：标准开放许可、专为数据写的协议、软件许可、模型许可、平台占位值，以及发布方自拟的许可。本文介绍一张分类对照表，把每个标识归入五类之一（宽松、宽松带条件、受限、需人工判断、视为未声明），并写明其隐含的条件与归类依据。

2026-11-13 定稿 Mdexa Research

-
 工程笔记 智能体接口

## 面向智能体的数据库接口设计：来自真实客户端测试的经验

 一个数据集数据库的接口，先用官方客户端库做了协议一致性检查，再由真实的智能体（Agent）客户端回答了九道题。这些题暴露出两类代价：智能体分不清"库里确实没有"与"搜索失败"，换了七次关键词才作答；想报告风险的智能体只能逐个数据集取证据。

2026-11-13 定稿 Mdexa Engineering

-
 工程笔记 智能体接口

## 面向来访智能体的站点说明：设计原则

 智能体（Agent）来访的网站可以告诉它们怎么使用该站。Mdexa 为此发布的说明遵循几条规则：只陈述事实与用法，不写操纵智能体的指令；为节省 Token 而写，把最容易出错的地方放在前面；全文对人也公开；所有数字在构建时取实时数据；标准描述放在搜索与智能体系统惯常读取的机器可读位置，而不放进隐藏的页面文字。

2026-11-13 定稿 Mdexa Engineering

-
 工程笔记 分类与标签

## 生物医学数据集标注的受控词表设计

 按内容而不是按名称查找数据集，需要分面标签；标签只有在少、受控、并如实说明证据时才有用。我们拟定了一份含 12 个分面、99 个取值的词表，每个取值都有定义，每个存储的标签都带来源等级（作者声明并附经快照核对的逐字摘录、据内容推断、人工确认、派生）。

2026-11-13 定稿 Mdexa Engineering

-
 工程笔记 检索

## 生物医学数据集检索：分词、术语扩展与评测

 智能体（Agent）和人用简短的中文、英文和中英混合查询检索生物医学数据集信息卡数据库，搜索失败的代价很高：空结果或错误结果会让智能体重复搜索，或把另一个数据集的许可当成所查数据集的许可。在智能体基准的首次运行中，95 次搜索有 13 次（13.

2026-11-13 定稿 Mdexa Engineering