研究人员开发了ARMED,一个用于药物推荐的适应性检索增强生成(RAG)框架。该系统根据初始结果的充分性和相关性动态调整其检索过程,在需要更多证据时采用多查询检索。ARMED还包括一个相关性门控,用于过滤临床相关的患者病史,并对检索到的信息进行结构化以便于分析。在MIMIC-IV数据集上的实验表明,ARMED在提高药物推荐质量方面优于静态检索方法,特别是通过使用无需外部API或特定任务微调的本地可运行小型语言模型。 AI
影响 这种适应性RAG方法可以通过动态优化证据检索来提高临床决策支持系统的准确性和效率。
排序理由 该集群描述了一篇研究论文,详细介绍了一种用于药物推荐的新型适应性检索增强生成框架。
在 arXiv cs.IR (Information Retrieval) 阅读 →
- alphaXiv
- arXiv
- CatalyzeX
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- MIMIC-IV
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →