OA-RAG：基于本体的 Agent 检索增强生成，助力大语言模型实现忠实推理
英文标题：OA-RAG: Ontology-based Agentic RAG for Faithful LLM Reasoning
大语言模型（LLM）在诸多现实任务中展现出强大能力，但由于频发幻觉，其在生物医药与医疗健康等高度依赖严谨既定知识的垂直领域中的应用受到极大制约。为此，研究团队提出了 OA-RAG（基于本体的 Agent 检索增强生成框架），探索将结构化本体知识与 Agent 自主检索机制深度结合。该框架显著提升了模型在复杂场景下推理的事实忠实度与可解释性，为开发高可信医疗健康与专业知识问答系统提供了全新解决方案。
打开原文相关 7.2 · 机会 1
2.0 KB
640 B
612 B
380 B
24.2 KB
34.7 KB
中文
OA-RAG：基于本体的 Agent 检索增强生成，助力大语言模型实现忠实推理
论文编号：arXiv:2610.36335v1
发布类型：最新公告（Announce Type: new）
摘要
大语言模型（LLM）在众多实际任务中表现出色，但依然极易产生幻觉（hallucination）。这种不可靠性严重限制了它们在生物医药、医疗健康等关键领域的落地应用——在这些领域中，系统给出的每一项结论都必须严格建立在已确立的权威知识基础之上。
针对这一痛点，检索增强生成（Retrieval-Augmented Generation, RAG）作为主流缓解手段被广泛引入。然而，传统 RAG 往往依赖非结构化文本检索，缺乏对专业领域概念间严格层级与逻辑关系的理解。OA-RAG 引入了基于本体（Ontology-based）的知识表征与自主 Agent 机制，通过将结构化领域本体的逻辑约束融入 Agent 的推理与检索流程中，确保 LLM 的推理链条兼具严谨性、可追溯性与事实忠实度。
English / 原文
BibTeX formatted citation
×