一篇新发表于 arXiv 的论文重新审视了生物多样性信息学中长期存在的“表型注释”瓶颈问题。该研究由 James P. Balhoff 与 Hilmar Lapp 完成，提交于 2026 年 5 月 27 日，属于人工智能（cs.AI）领域，全文共 7 页、含 2 幅图。所谓表型注释，是指将自由文本形式的形态性状描述映射到本体（ontology）术语之上。这一环节对于跨研究整合比较形态学数据至关重要，但长期以来高度依赖受过专门训练的人类专家手工完成，因此难以规模化，成为制约数据积累与共享的关键瓶颈。
论文的核心做法是回到 Dahdul 等人 2018 年建立的基准。该基准在七项系统发育研究中构建了一套实体—质量（Entity-Quality，EQ）注释的“金标准”，并用基于本体的语义相似度指标评估了三名人类注释员以及语义解析工具 Semantic CharaParser 的表现。当时的结论是：机器与人类之间的一致性显著低于人类注释员彼此之间的一致性，也就是说自动工具尚不能达到人工水平。
在这项新研究中，作者引入了来自 Anthropic 与 OpenAI 的五款前沿托管大语言模型，让每一个模型作为“智能体注释员”在一个自包含的工作空间中运行。该工作空间向模型提供四类资源：待注释出版物的 PDF 原文、与当年人类注释员所用完全相同的注释指南、四个项目本体（UBERON、PATO、BSPO、GO），以及一个用于校验的脚本。模型需要在此环境中完成与人类相同的注释任务。
评估结果与此前形成鲜明对比。以同一套金标准衡量，每一个智能体模型的表现都落在原始研究中三名受过训练的人类生物注释员彼此之间的变异范围之内。表现最好的智能体接近但并未超越表现最好的人类注释员。与此同时，所有智能体在全部四项指标上都大幅优于 Semantic CharaParser。
作者在摘要中明确指出，这一结果意味着前沿大语言模型驱动的智能体已经能够跨越表型本体注释的瓶颈：它们达到了与人类专家相当的一致性水平，同时又具备人工无法比拟的规模化潜力。不过论文的语气相对谨慎——最强模型仍未超过最强人类注释员，说明人类专家在质量上仍保有优势，智能体的定位更接近于可扩展的辅助力量，而非完全替代。研究还强调了工具环境的完整性对于达到这一水平的重要性：完整的原文、注释指南、项目本体与校验脚本共同构成了智能体可靠工作的前提。