MedReason

量子知识图谱通过依赖上下文的有效性改进LLM推理

研究人员引入了一种“量子知识图谱”（QKG），以解决标准知识图谱在与大型语言模型（LLM）结合使用时存在的局限性。与假设关系全局有效性的传统图谱不同，QKG将三元组的有效性建模为依赖于上下文的。这种方法在一个以糖尿病为重点的子图（包含超过68,000个上下文敏感关系）的医学问答流程中进行了测试。QKG在准确性方面表现出显著的提高，尤其是在考虑患者特定上下文时。