PubHealthBench

RAG提高了LLM在公共卫生问答中的准确性

研究人员开发了一种检索增强生成（RAG）方法，以提高大型语言模型（LLM）在公共卫生问答中的可靠性。通过将响应 grounding 在官方指南中，RAG 缓解了幻觉和过时信息等问题。该研究系统地评估了各种检索配置，发现混合检索方法和仔细的上下文选择可显著提高准确性，使小型模型在没有检索的情况下也能与大型模型相媲美。引入了一种新的 LLM-as-a-judge 评分标准来评估自由格式的答案，强调了忠实性和完整性的重要性，同时指出了在一致…