Rdgai: Classifying transcriptional changes using Large Language Models with a test case from an A...

一、文章主要内容总结

本文聚焦文本传统系统发育分析中存在的变体分类难题，提出并开发了一款名为Rdgai的软件包。传统系统发育方法常将所有文本变体视为等价，导致真实系统发育信号被干扰或引入偏差，而手动分类变体耗时费力，成为该类分析的主要障碍。Rdgai借助多语言大型语言模型（LLMs）实现变体过渡分类的自动化：用户先通过图形界面或Excel手动标注部分变体分类，软件以这些标注为示例构建提示词，调用LLM自动分类剩余变体，分类结果存储为TEI XML格式，可直接用于下游系统发育分析（如与teiphy软件结合适配Beast 2等工具）。文章还通过阿拉伯语福音书译本（arb）的约翰福音8:12-51文本数据集进行验证，结果显示，使用Claude 3.5 Sonnet模型时，Rdgai的分类准确率超90%，且模型选择对准确率的影响远大于示例数量。

二、文章创新点

1. 自动化变体分类解决方案：首次将多语言LLM应用于文本变体过渡分类，解决了传统手动分类耗时、效率低的核心痛点，降低了系统发育分析的准入门槛。
2. 灵活的分类与交互设计：支持用户自定义分类类别（含互斥类、对称类），提供图形界面（GUI）和Excel导入导出功能，方便手动标注、编辑和共享，适配不同用户的使用习惯。
3. 增强分类可信度与可解释性：LLM分类结果需附带决策理由，且软件内置验证工具，生成含准确率、混淆矩阵、错误分析的HTML报告，还能通过LLM反馈优化分类定义和标注一致性。
4. 无缝衔接下游分析：输出格式兼