大语言模型互相评判以提高医学问答准确性

研究人员开发了一种新颖的多智能体系统，其中大语言模型（LLMs）既充当问题解决者，又充当同行评审者，以提高医学问答的准确性。该方法涉及多个LLM智能体生成推理链，然后互相评估对方的逻辑的准确性和可靠性。使用五个LLM在三个基准数据集上进行的实验表明，这种同行评审推理方法始终优于单一模型推理和多数投票，最高准确率达到 0.820。 AI

影响 这种多智能体同行评审系统提高了LLM在医学问答等专业领域的准确性和可解释性。

排序理由 该集群包含一篇详细介绍LLM推理新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• DeepSeek-LLM-7B
• GPT OSS 20B
• HeadQA
• Llama 3.1:8b
• MedQA-USMLE
• Phi 4
• PubMedQA
• qwen2.5:7b

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →