排行榜能够认证什么？生物医学文献综述智能体公平评估与训练的组合可控性
TLDR
提出组合可控性以公平评估生物医学文献综述智能体，引入基准并证明许多排行榜比较不可采纳。
评分理由
The paper's strength is a rigorous framework for controlled comparisons and a new benchmark. Its weakness is the narrow focus on literature-review agents, limiting generalizability to broader scientific discovery.
Read-first 评分解释
综合优先阅读分 40.9，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 29。
研究版图角色
前沿论文
排序敏感性
稳定性：volatile；排名波动范围：39。