causal edge F1

新框架将医疗健康大语言模型建立在因果知识图谱之上

研究人员开发了一个新的框架，用于评估医疗健康领域的大语言模型（LLMs），重点关注它们在干预和因果关系方面的推理能力，而不仅仅是单答案准确性。该框架利用领域因果知识图谱来为LLM的响应提供基础，并在心血管疾病试点研究中测试了四种受控条件。结果表明，集成基础（C4）显著提高了因果推理能力并减少了未经支持的说法，尽管无基础模型（C1）仍然实现了更高的原始干预准确性。