以受控的大型語言模型為基礎的臨床試驗檢索推理

本文提出了一種以集合為導向的推理框架,利用大型語言模型(LLM)進行臨床試驗的檢索和重排序。該方法系統地將患者和臨床試驗數據結構化為屬性集合,並利用領域知識和本體論基礎進行精確匹配。通過在LLM支持的檢索中引入集合理論推理,解決了可擴展性和可解釋性的固有挑戰。此外,還整合了義務推理原則和各種重排序評分函數,實現了更受控和可解釋的決策過程。