CLEAR:面向医学大语言模型的跨源证据裁决框架
英文标题:CLEAR: Cross-Source Evidence Adjudication for Large Language Models in Medicine
医学知识处于不断演化之中,而大语言模型(LLM)中所编码的参数化知识在训练完成时便已固定。检索增强生成(RAG)等外部检索技术虽然能为模型引入最新证据,但在面对多来源、异构甚至相互冲突的信息时仍缺乏有效的甄别与裁决机制。为此,该研究提出了跨源证据裁决框架 CLEAR,专注于提升医学 LLM 处理多元证据的一致性与准确性。该方案有助于降低医学 AI 幻觉并提升临床决策支持的可靠性,对医疗领域的 RAG 架构设计具有重要参考意义。
打开原文相关 3.2 · 机会 1
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
CLEAR: Cross-Source Evidence Adjudication for Large Language Models in Medicine
- arXiv 编号:arXiv:2609.16301v1
- 发布类型:新论文(new)
摘要
医学知识处于持续演进之中,而大语言模型(LLM)内部编码的参数化知识在完成训练后即被固定。外部检索技术——包括检索增强生成(RAG)——能够为模型提供获取最新可用证据的途径……
BibTeX 格式引用
×
English / 原文
BibTeX formatted citation
×