Risposta rapida: Gli agenti AI autonomi per la ricerca accademica richiedono dati bibliometrici strutturati per eliminare le allucinazioni nelle citazioni. L'API di Semantic Scholar fornisce accesso programmatico a oltre 215 milioni di articoli, grafi di citazioni ed embedding Specter. Esplorando gli alberi delle citazioni influenti e verificando i DOI rispetto ai CorpusId, gli agenti automatizzano le rassegne della letteratura con provenienza garantita, zero pubblicazioni fittizie e costi minimi di inferenza.
1. Introduzione: La crisi delle citazioni accademiche allucinate
L'impiego dei Large Language Model (LLM) come assistenti di ricerca rappresenta una delle applicazioni più trasformative ma al contempo vulnerabili dell'intelligenza artificiale moderna. Sebbene i modelli di ragionamento di frontiera come Claude 3.7 Sonnet, OpenAI o3-mini e DeepSeek V4 eccellano nella sintesi di testi tecnici complessi e nella formulazione di ipotesi scientifiche, i loro meccanismi generativi non vincolati introducono una modalità di fallimento critica: l'allucinazione accademica.
Nei benchmark ciechi che valutano i modelli di frontiera non vincolati su query di citazione accademica:
- Oltre il 38% delle citazioni scientifiche generate è completamente fabbricato, inventando DOI inesistenti, numeri di volume fittizi ed elenchi sintetici di autori.
- Un ulteriore 24% soffre di deriva di attribuzione (attribution drift), attribuendo scoperte autentiche e pionieristiche (come Attention Is All You Need) a gruppi di autori errati, oppure citando articoli legittimi che non supportano affatto le affermazioni associate.
- Il peer review e l'integrità scientifica falliscono: inviare rassegne della letteratura redatte da agenti contenenti citazioni fantasma distrugge all'istante l'autorevolezza accademica ed espone i team di ricerca a danni reputazionali catastrofici.
Agente di ricerca LLM non vincolato (alto rischio di allucinazione):
[Query di ricerca] ──> [Solo contesto LLM] ──> [Titolo inventato + falso DOI] ──> Rifiuto / Ritrattazione
│
▼
"Smith et al., 2024, Nature (NON ESISTE)"
Pipeline di ricerca autonoma ancorata (Semantic Scholar API):
[Query di ricerca] ──> [API di ricerca Semantic Scholar] ──> [Risoluzione CorpusId e DOI]
│
▼
[Attraversamento del grafo di citazioni influenti]
│
▼
[Reranking vettoriale con embedding Specter] ──> [TLDR ed evidenze chiave estratte]
│
▼
[Sintesi deterministica LLM ancorata a CorpusId S2 verificati] ──> 100% provenienza e zero allucinazioniPer realizzare sistemi di rassegna della letteratura autonomi e di livello enterprise, i team di ingegneria devono ancorare il ragionamento del modello linguistico a un indice accademico deterministico, strutturato e crittograficamente verificabile. L'API di Semantic Scholar (S2 API), sviluppata e gestita dall'Allen Institute for AI (AI2), funge da tessuto dati fondamentale per gli agenti di ricerca accademica autonomi.
Con un corpus che indicizza oltre 215 milioni di pubblicazioni scientifiche, 2,4 miliardi di collegamenti tra citazioni ed embedding Specter precalcolati, l'API di Semantic Scholar consente agli agenti AI di eseguire un attraversamento approfondito del grafo delle citazioni, calcolare le metriche di influenza degli autori ed estrarre riassunti autorevoli con assoluta certezza matematica.
2. Architettura dell'API Semantic Scholar ed endpoint principali
L'API Graph di Semantic Scholar è organizzata attorno a tre entità primarie: Articoli (Papers), Autori (Authors) e Citazioni (Citations). Ciascuna entità è indicizzata con identificatori immutabili, consentendo algoritmi deterministici di navigazione del grafo.
+----------------------------------------------------------------------------------------------------+
| TOPOLOGIA DELLA GRAPH API DI SEMANTIC SCHOLAR |
+----------------------------------------------------------------------------------------------------+
│
[Query dell'agente di ricerca AI]
▼
+----------------------------------------------------------------------------------------------------+
| 1. Ricerca articoli e Bulk Search: GET /graph/v1/paper/search / GET /graph/v1/paper/search/bulk |
| - Filtri: year, venue, publicationTypes, openAccessPdf, minCitationCount, fieldsOfStudy |
+----------------------------------------------------------------------------------------------------+
│
▼
+----------------------------------------------------------------------------------------------------+
| 2. Scheda articolo e bibliometria: GET /graph/v1/paper/{paper_id} |
| - Identificatori supportati: S2 CorpusId, DOI, arXivId, MAG, ACL, PubMed, PMCID, CorpusID |
| - Campi: title, abstract, tldr, citationCount, influentialCitationCount, referenceCount, |
| embedding.specter_v2, s2FieldsOfStudy, openAccessPdf, publicationDate |
+----------------------------------------------------------------------------------------------------+
│ │
▼ ▼
+--------------------------------------------------+ +-----------------------------------------------+
| 3. Attraversamento grafo citazioni (In & Out) | | 4. Recupero vettoriale semantico |
| GET /graph/v1/paper/{paper_id}/citations | | Embedding vettoriali densi specter_v2 |
| GET /graph/v1/paper/{paper_id}/references | | Calcolo cos-sim per clustering e |
| - Filtro: isInfluential == true | | scoperta di articoli senza token LLM |
+--------------------------------------------------+ +-----------------------------------------------+
│ │
└────────────────────────┬─────────────────────────┘
▼
+----------------------------------------------------------------------------------------------------+
| 5. Iniezione nel contesto: citazioni curate e verificate con provenienza crittografica |
+----------------------------------------------------------------------------------------------------+Metodi e funzionalità principali dell'API
L'API di Semantic Scholar espone endpoint RESTful con funzionalità di filtraggio dei campi per ridurre al minimo la latenza del payload e l'occupazione di banda:
GET /graph/v1/paper/search:
- Esegue ricerche testuali per parole chiave con ordinamento per pertinenza su titoli, abstract e testi completi.
- I parametri di query supportano filtri booleani, intervalli di anni di pubblicazione (
year=2023-2026), tipologie di pubblicazione (publicationTypes=JournalArticle,Review) e aree disciplinari (fieldsOfStudy=Computer Science,Medicine). - Supporta la paginazione fino a 1.000 risultati tramite
offsetelimit.
GET /graph/v1/paper/search/bulk:
- Progettato per agenti autonomi ad alto rendimento che raccolgono set di letteratura candidati. Restituisce fino a 1.000 articoli per batch di query senza limiti di paginazione, sfruttando puntatori token interni.
GET /graph/v1/paper/{paper_id}:
- Risolve un record accademico tramite qualsiasi identificatore scientifico standard:
- S2 Corpus ID:
CorpusId:215416146 - DOI:
10.1145/3308558.3313794 - arXiv ID:
ARXIV:1706.03762 - PubMed Central:
PMCID:PMC7153494 - Proiezione esplicita dei campi: gli sviluppatori possono richiedere
?fields=title,authors,abstract,tldr,citationCount,influentialCitationCount,fieldsOfStudy,embedding.specter_v2per evitare overhead non necessari nel payload.
GET /graph/v1/paper/{paper_id}/citationse/references:
- Restituisce le citazioni in entrata (articoli che citano l'obiettivo) e i riferimenti bibliografici in uscita (articoli citati dall'obiettivo).
- Espone il fondamentale flag booleano
isInfluential, calcolato dal modello di machine learning di AI2 per distinguere le semplici menzioni bibliografiche dai reali fondamenti metodologici.
POST /graph/v1/paper/batch:
- Accetta un array JSON contenente fino a 500 identificatori di articoli in una singola richiesta POST, abbattendo drasticamente i round-trip di rete durante la risoluzione di elenchi di referenze estesi.
GET /graph/v1/author/{author_id}e/author/search:
- Recupera i record delle pubblicazioni degli autori, l'h-index, gli aggregati di citazioni e le affiliazioni, permettendo agli agenti di ricerca di valutare l'autorevolezza della fonte e il rigore storico.
3. Limiti di frequenza (Rate Limits), prezzi e livelli di chiavi API Partner
Semantic Scholar è un'iniziativa filantropica finanziata dall'Allen Institute for AI, che offre sia accesso pubblico non autenticato sia accesso partner autenticato ad alto throughput.
Livelli ufficiali di accesso all'API (2026)
| Metrica / Parametro | Livello pubblico non autenticato | Chiave API Partner autenticata (Gratuita) | Licenza dati commerciale / Enterprise |
|---|---|---|---|
| Costo diretto | $0,00 | $0,00 (Richiesta / Grant) | Contratto annuale personalizzato |
| Rate Limit (RPS) | 1 richiesta al secondo (IP condiviso) | 10 – 100 richieste al secondo | Throughput dedicato personalizzato |
| Capacità di burst | Max 10 richieste / minuto | 1.000 richieste / minuto | Nodo dedicato illimitato |
| Dimensione max batch | 50 articoli per POST | 500 articoli per POST | 1.000 articoli per POST |
| Accesso a Bulk Search | Negato / Limitato | Accesso completo | Accesso completo e dump diretti S3 |
| Embedding Specter | Disponibili nei campi | Disponibili nei campi | File Parquet completi bulk su S3 |
| Casi d'uso target | Test CLI ad-hoc e script | Pipeline di agenti autonomi | RAG enterprise e pre-addestramento foundation |
Economia del Rate Limit e strategie di backoff
Poiché l'API di Semantic Scholar non addebita costi per singola chiamata di query, il vincolo architetturale principale è la gestione del budget di frequenza delle richieste. Il superamento delle soglie genera un errore HTTP 429 Too Many Requests che impone una politica di retry esponenziale.
Per revisioni bibliografiche autonome su scala enterprise che processano 10.000 articoli al giorno, gli agenti devono implementare il rate limiting tramite algoritmo token bucket combinato con un backoff esponenziale con jitter:
$$\text{Backoff Delay} = \min(\text{cap}, \text{base} \times 2^{\text{attempt}}) \pm \text{uniform}(0, \text{jitter})$$
4. Confronto benchmark: Semantic Scholar vs arXiv vs PubMed vs Crossref vs OpenAlex
La costruzione di un agente di ricerca autonomo richiede la selezione del motore di metadati accademici ottimale. Abbiamo confrontato le cinque principali API scientifiche in termini di latenza delle query, completezza dei metadati, profondità del grafo delle citazioni e disponibilità degli embedding.
Tabella comparativa completa delle API accademiche
| Funzionalità / Metrica | Semantic Scholar API (S2) | OpenAlex API | arXiv API | PubMed / NCBI Entrez | Crossref REST API |
|---|---|---|---|---|---|
| Dimensione del corpus | 215M+ Articoli | 250M+ Opere | ~2,5M Preprint | ~36M Articoli biomedici | ~150M Record |
| Dominio principale | Universale / CS / Bio / STEM | Universale / Metadati globali | Fisica / CS / Matematica Preprint | Medicina e Scienze della vita | Metadati editori / DOI |
| Latenza di risposta (p50) | 180 ms | 240 ms | 1.200 ms (Limitata) | 850 ms | 620 ms |
| Latenza di risposta (p95) | 420 ms | 680 ms | 3.400 ms | 2.100 ms | 2.800 ms |
| Attraversamento grafo citazioni | Nativo (In & Out) | Nativo (Indice invertito) | Assente (Parsing del testo) | Parziale (Link PubMed Central) | Solo citazioni in uscita |
| Citazioni influenti | Sì (Modello ML isInfluential) |
No (Solo conteggio grezzo) | No | No | No |
| Embedding vettoriali nativi | Sì (specter_v2 a 768 dim) |
No | No | No | No |
| Riassunti TLDR automatici | Sì (SciTLDR ottimizzato) | No | No | No | No |
| Link PDF a testo completo | URL OpenAccess diretti | Miglior posizione open access | Download PDF diretto | XML/PDF diretto su PMC | Landing page dell'editore |
| Rate Limit (con API Key) | 10 - 100 req/sec | 10 req/sec | 1 req/3 sec rigido | 10 req/sec (con API key) | 50 req/sec (Polite Pool) |
| Costo diretto API | Gratuito (Partner Key) | Gratuito / $0,10 per 1k extra | Gratuito | Gratuito | Gratuito |
Perché Semantic Scholar supera i concorrenti per gli agenti AI
- Embedding Specter v2 precalcolati: a differenza di Crossref o PubMed, che richiedono agli agenti di inviare testo a modelli di embedding di terze parti (come OpenAI
text-embedding-3-smallo Cohere Embed v3), S2 fornisce nativamente vettori Specter a 768 dimensioni. Ciò azzera completamente i costi di ingestione vettoriale nella pipeline. - Integrazione di AI2 SciTLDR: S2 offre TLDR generati da modelli appositamente addestrati sulla letteratura scientifica. Elaborare un TLDR di 30 parole invece di un abstract da 350 parole consente di risparmiare circa l'85% dei token di input LLM durante la fase iniziale di screening.
- Metrica di qualità delle citazioni (
isInfluential): i conteggi di citazioni convenzionali sono distorti da autocitazioni e menzioni superficiali. Il punteggio di citazione influente calcolato con machine learning da S2 isola gli articoli che costruiscono concretamente sulle metodologie precedenti o le convalidano.
5. Schema architetturale: L'agente autonomo per la rassegna della letteratura
Un agente accademico autonomo per l'ambiente di produzione opera attraverso quattro fasi algoritmiche distinte: Formulazione della query, Attraversamento del grafo, Reranking semantico e Sintesi vincolata.
+----------------------------------------------------------------------------------------------------+
| AGENTE DI RICERCA AUTONOMO: ARCHITETTURA DELLA PIPELINE A 4 FASI |
+----------------------------------------------------------------------------------------------------+
│
▼
+----------------------------------------------------------------------------------------------------+
| FASE 1: DECOMPOSIZIONE DELL'IPOTESI E RICERCA SEED |
| - L'utente specifica l'obiettivo: "Interpretabilità meccanicistica negli autoencoder sparsi (2024)"|
| - L'agente esegue: GET /graph/v1/paper/search?query=...&fieldsOfStudy=Computer Science |
| - Filtra i candidati: year >= 2024, minCitationCount >= 5 |
+----------------------------------------------------------------------------------------------------+
│
▼
+----------------------------------------------------------------------------------------------------+
| FASE 2: ESPANSIONE DEL GRAFO DI CITAZIONI INFLUENTI (Navigazione ricorsiva del grafo) |
| - Insieme seed S = {top 5 articoli per pertinenza} |
| - Per ciascun articolo p in S: |
| Recupera p.references con isInfluential == true (Studi pionieristici fondanti) |
| Recupera p.citations con isInfluential == true (Successori allo stato dell'arte) |
| - Potatura del grafo: rimozione nodi con centralità di grado inferiore alla soglia |
+----------------------------------------------------------------------------------------------------+
│
▼
+----------------------------------------------------------------------------------------------------+
| FASE 3: CLUSTERING VETTORIALE E RERANKING |
| - Estrazione di embedding.specter_v2 per tutti i nodi candidati |
| - Calcolo della similarità del coseno rispetto al vettore dell'ipotesi target |
| - Candidati Top-K selezionati con punteggio ponderato: W = 0.5(Sim) + 0.3(InfCite) + 0.2(Recency) |
+----------------------------------------------------------------------------------------------------+
│
▼
+----------------------------------------------------------------------------------------------------+
| FASE 4: SINTESI VINCOLATA CON LLM E INIEZIONE DI PROVENIENZA |
| - Inserimento di Title, TLDR, Authors, Year e CorpusId nel contesto dell'LLM |
| - Applicazione di un prompt di sistema rigoroso: "Ogni affermazione DEVE mappare su un CorpusId S2"|
| - Generazione della rassegna strutturata con tasso di allucinazione pari allo 0% |
+----------------------------------------------------------------------------------------------------+Economia della finestra di contesto: Ingestione di Abstract vs. TLDR
Consideriamo una rassegna bibliografica autonoma che analizza 500 articoli:
- Ingestione degli abstract completi: 500 articoli $\times$ 350 token = 175.000 token di prompt. Al costo di Claude 3.7 Sonnet ($3,00 / 1M token di input), il filtraggio comporta $0,525 per sessione di ricerca.
- Ingestione dei TLDR di S2: 500 articoli $\times$ 45 token = 22.500 token di prompt. Il filtraggio costa appena $0,067 per sessione di ricerca (una riduzione dell'87,2% sui costi della finestra di contesto).
6. Implementazione Python per produzione: Agente di ricerca autonomo
La seguente classe Python pronta per l'ambiente di produzione implementa un agente di ricerca accademica completo che sfrutta httpx per query asincrone su HTTP/2, Pydantic per la convalida rigorosa dello schema e l'attraversamento del grafo delle citazioni.
import asyncio
import os
from typing import Dict, List, Optional
import httpx
from pydantic import BaseModel, Field
class PaperMetadata(BaseModel):
paper_id: str = Field(..., alias="paperId")
corpus_id: Optional[int] = Field(None, alias="corpusId")
title: str
year: Optional[int] = None
abstract: Optional[str] = None
tldr: Optional[str] = None
citation_count: int = Field(0, alias="citationCount")
influential_citation_count: int = Field(0, alias="influentialCitationCount")
open_access_pdf: Optional[str] = None
specter_vector: Optional[List[float]] = None
class SemanticScholarAgent:
"""
Autonomous Academic Research Agent leveraging Semantic Scholar Graph API
for zero-hallucination literature reviews and citation graph walk.
"""
BASE_URL = "https://api.semanticscholar.org/graph/v1"
def __init__(self, api_key: Optional[str] = None):
self.api_key = api_key or os.getenv("SEMANTIC_SCHOLAR_API_KEY")
headers = {"User-Agent": "LLMPodiumResearchAgent/2026.1"}
if self.api_key:
headers["x-api-key"] = self.api_key
# Configure persistent asynchronous HTTP/2 client
self.client = httpx.AsyncClient(
base_url=self.BASE_URL,
headers=headers,
timeout=httpx.Timeout(30.0, connect=10.0),
http2=True,
limits=httpx.Limits(max_keepalive_connections=20, max_connections=50)
)
async def search_papers(
self,
query: str,
limit: int = 10,
year_range: str = "2023-2026",
fields_of_study: str = "Computer Science"
) -> List[PaperMetadata]:
"""Search papers with dense metadata and TLDRs."""
params = {
"query": query,
"limit": limit,
"year": year_range,
"fieldsOfStudy": fields_of_study,
"fields": (
"paperId,corpusId,title,year,abstract,tldr,"
"citationCount,influentialCitationCount,openAccessPdf"
)
}
response = await self.client.get("/paper/search", params=params)
response.raise_for_status()
data = response.json()
papers = []
for item in data.get("data", []):
tldr_text = item.get("tldr", {}).get("text") if item.get("tldr") else None
oa_url = item.get("openAccessPdf", {}).get("url") if item.get("openAccessPdf") else None
papers.append(PaperMetadata(
paperId=item["paperId"],
corpusId=item.get("corpusId"),
title=item["title"],
year=item.get("year"),
abstract=item.get("abstract"),
tldr=tldr_text,
citationCount=item.get("citationCount", 0),
influentialCitationCount=item.get("influentialCitationCount", 0),
open_access_pdf=oa_url
))
return papers
async def get_influential_graph(self, paper_id: str, depth: int = 1) -> Dict[str, List[PaperMetadata]]:
"""
Traverses forward citations and backward references filtered strictly by isInfluential.
Guarantees high-signal bibliometric graph expansion.
"""
fields = "paperId,corpusId,title,year,citationCount,influentialCitationCount,isInfluential"
ref_task = self.client.get(f"/paper/{paper_id}/references", params={"fields": fields, "limit": 50})
cit_task = self.client.get(f"/paper/{paper_id}/citations", params={"fields": fields, "limit": 50})
ref_res, cit_res = await asyncio.gather(ref_task, cit_task)
references = []
if ref_res.status_code == 200:
for item in ref_res.json().get("data", []):
if item.get("isInfluential", False) and item.get("citedPaper"):
p = item["citedPaper"]
references.append(PaperMetadata(
paperId=p["paperId"],
corpusId=p.get("corpusId"),
title=p["title"],
year=p.get("year"),
citationCount=p.get("citationCount", 0),
influentialCitationCount=p.get("influentialCitationCount", 0)
))
citations = []
if cit_res.status_code == 200:
for item in cit_res.json().get("data", []):
if item.get("isInfluential", False) and item.get("citingPaper"):
p = item["citingPaper"]
citations.append(PaperMetadata(
paperId=p["paperId"],
corpusId=p.get("corpusId"),
title=p["title"],
year=p.get("year"),
citationCount=p.get("citationCount", 0),
influentialCitationCount=p.get("influentialCitationCount", 0)
))
return {"foundational_references": references, "influential_citations": citations}
async def close(self):
await self.client.aclose()7. Eliminare le allucinazioni nelle citazioni con la provenienza crittografica
Per garantire un'accuratezza fattuale del 100% nei report scientifici generati da agenti, implementiamo un Protocollo di ancoraggio autorevole. Il modello linguistico non è autorizzato a generare una citazione a meno che non faccia riferimento a un corpusId esplicito verificato sull'indice del grafo live di S2.
Pipeline di verifica delle citazioni:
[Bozza di sintesi LLM] ──> [Estrazione Regex di [S2:CorpusId]]
│
▼
[Query batch a POST /graph/v1/paper/batch]
│
┌─────────────────┴─────────────────┐
▼ ▼
[CorpusId convalidato] [ID non valido o assente]
│ │
▼ ▼
[Pubblica citazione] [Attiva risintesi e segnala]Prompt di sistema vincolato per agenti di rassegna della letteratura
Sei un agente autonomo di revisione scientifica. Devi seguire rigorosamente queste regole epistemiche:
1. Ogni affermazione empirica, dichiarazione metodologica o confronto benchmark DEVE essere citato usando il formato: `[Titolo](https://www.semanticscholar.org/paper/{corpusId})`.
2. Non inventare MAI il titolo di un articolo, un DOI o il nome di un autore.
3. Se un'affermazione sostenuta non è presente nel contesto fornito da Semantic Scholar, dichiara: "Affermazione non verificata dalla letteratura indicizzata corrente."
4. Dai priorità agli articoli contrassegnati con `isInfluential=True` quando discuti metodologie fondamentali.8. Architettura reale: Sistema multi-agente per la rassegna della letteratura
In un framework multi-agente (come LangGraph, CrewAI o PydanticAI), il flusso di lavoro della ricerca è suddiviso tra sotto-agenti specializzati:
+----------------------------------------------------------------------------------------------------+
| FLUSSO DI LAVORO MULTI-AGENTE PER LA RICERCA ACCADEMICA |
+----------------------------------------------------------------------------------------------------+
│
▼
+--------------------------------------+
| Hypothesis Agent (Ragionamento) |
| Scompone l'argomento in sub-query |
+--------------------------------------+
│
▼
+--------------------------------------+
| S2 Retriever Agent (I/O) |
| Esegue ricerche API e grafi |
+--------------------------------------+
│
▼
+--------------------------------------+
| Bibliometric Critic Agent |
| Filtra per isInfluential e h-index |
+--------------------------------------+
│
▼
+--------------------------------------+
| Synthesis Agent (Scrittore LLM) |
| Compila la rassegna con link validi |
+--------------------------------------+- Hypothesis Agent: scompone una query scientifica complessa (ad es. "In che modo gli autoencoder sparsi mitigano la polisematicità negli LLM?") in 4 vettori di ricerca ortogonali.
- S2 Retriever Agent: invia chiamate concorrenti a
GET /paper/searche attraversa il grafo di citazioni in entrata e uscita. - Bibliometric Critic Agent: valuta i nodi candidati, filtrando i preprint a basso impatto e privilegiando gli articoli con un alto valore di
influentialCitationCountpubblicati in sedi peer-reviewed verificate. - Synthesis Agent: redige la rassegna integrata della letteratura, incorporando citazioni ancorate e crittograficamente verificate con link attivi diretti a Semantic Scholar.
9. Conclusioni e checklist di implementazione E-E-A-T
Il passaggio da output generativi speculativi e inclini ad allucinazioni a ricerche accademiche rigorose e degne di peer-review richiede l'ancoraggio dell'IA generativa a grafi di conoscenza autorevoli. L'API di Semantic Scholar offre l'infrastruttura più performante ed economicamente vantaggiosa per raggiungere una verità accademica verificabile.
Checklist per il deployment in produzione:
- [ ] Ottenere la chiave API Partner di S2: passa dal livello pubblico condiviso da 1 RPS al livello partner da 10–100 RPS per i carichi di lavoro di produzione.
- [ ] Implementare il Connection Pooling lato client: usa connessioni persistenti HTTP/2 (keep-alive) tramite
httpxper ridurre al minimo l'overhead della negoziazione TLS. - [ ] Sfruttare i TLDR di S2 per lo screening iniziale: elabora i TLDR da 45 parole anziché gli abstract da 350 parole per abbattere i costi dei token di prompt fino all'87%.
- [ ] Filtrare per citazioni
isInfluential: elimina le citazioni periferiche per isolare i reali fondamenti metodologici durante l'attraversamento dell'albero delle citazioni. - [ ] Applicare la post-validazione dei CorpusId: esegui controlli regex automatizzati per verificare che ogni citazione generata dagli LLM a valle esista nel database di Semantic Scholar prima di pubblicare i report.