核心概念
本文提出了一個名為 KGAREVION 的知識圖譜 (KG) 智慧代理,專為解決醫學領域複雜且知識密集型的問答問題而設計,其透過結合大型語言模型 (LLM) 的非編碼知識和醫學知識圖譜的結構化知識,並採用動態調整推理策略的多步驟驗證過程,在處理複雜醫學問題方面優於現有模型。
摘要
KGAREVION:基於知識圖譜的醫學問答智慧代理
本研究旨在開發一種能夠有效處理醫學領域複雜且知識密集型問答的智慧代理。
醫學推理需要結合多種推理策略,並利用專業領域知識。然而,現有的基於大型語言模型 (LLM) 的問答系統在處理此類問題時面臨挑戰,例如資訊檢索不準確、缺乏關鍵資訊以及與當前醫學知識不符等。