一位AI工程师为医学证据开发了一个检索增强生成(RAG)系统,该系统旨在当信息不存在于其语料库中时拒绝回答。该系统基于17,698篇PubMed文章构建,旨在通过不猜测来防止危险的错误信息。使用golden.jsonl和heldout.jsonl两个问题集对RAG系统进行了评估,目标是确保所有拒绝都是正确的,并且没有提供不正确的答案。 AI
影响 该RAG系统的设计和拒绝准确性的衡量可以为医疗保健等敏感领域的更可靠的AI助手的开发提供信息。
排序理由 该项目描述了一个RAG系统的具体实现,具有新颖的功能(拒绝回答)及其评估,这是一个实际应用,而不是基础研究突破或主要行业发布。
- BM25
- golden.jsonl
- heldout.jsonl
- LOsioChico
- MedQuAD
- reciprocal rank fusion
- rejected.jsonl
- retrieval-augmented generation
- SuppLLMent
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →