CORD-19: The Covid-19 Open Research Dataset
PulseAugur coverage of CORD-19: The Covid-19 Open Research Dataset — every cluster mentioning CORD-19: The Covid-19 Open Research Dataset across labs, papers, and developer communities, ranked by signal.
-
新的可审计层提高了生物医学文本分类的准确性
研究人员开发了一种新颖的可审计可靠性层，旨在通过解决大规模语料库中的伪影来提高生物医学文本分类的准确性。该系统充当面向安全的预处理模块，在不确定时避免编辑，以遵循“不造成伤害”的理念。它结合了编辑距离候选生成、n-gram评分和生物医学安全门，以保护关键术语。评估表明，该层实现了高错误修复召回率，并恢复了下游分类器中由噪声引起的性能下降的很大一部分，同时还证明了对 transformer 编码器的鲁棒性。
-
新研究评估用于科学问答的RAG流程 · 已追踪2个来源
研究人员推出了SciRet，一项使用CORD-19数据集研究用于科学问答的检索增强生成（RAG）的研究。该研究评估了一个固定的RAG流程在三种不同语料库规模下的表现，发现混合检索方法比仅稀疏或仅密集的方法更具鲁棒性。然而，在MS MARCO上训练的交叉编码器重排序器在科学语料库上降低了精度，表明可能存在领域不匹配问题。使用RAGAS测量的生成答案的忠实度随着语料库规模的增大而提高。
-
GraphRAG 将 LLM 令牌数量减少 9.3%，同时提高准确性
一位开发者展示了 GraphRAG，一种利用知识图谱进行检索增强生成的方法，与传统的 RAG 相比，可以显著减少令牌使用量。通过遍历知识图谱而不是依赖相似性搜索，GraphRAG 为 LLM 提供了更集中的上下文。在生物医学研究论文的基准测试中，GraphRAG 在保持 100% 答案准确性的同时，实现了 9.3% 的令牌减少。