محققان در مقاله جدیدی به چالشهای پیچیده پاسخدهی به سوالات تخصصی پزشکی (BioASQ) پرداختهاند. این سیستم جدید با ترکیب دو روش بازیابی داده (Hybrid Retrieval) و استفاده از یک «دروازه کیفیت» هوشمند، توانسته است ضمن کاهش ۱۲ درصدی هزینههای محاسباتی، دقت پاسخدهی (List F1) را بهطور قابلتوجهی افزایش دهد. 🧠
نکته جالب این پژوهش، تحلیل دقیق تفاوت عملکرد مدلهای زبانی در انتخاب پاسخ (Selection) و ترکیب آنها (Fusion) است که نشان میدهد مدلهای فعلی هنوز در بازیابیِ دقیق فکتها جای کار دارند. این تحقیق گام مهمی برای کاربردیتر کردن هوش مصنوعی در مراکز درمانی و تحقیقاتی محسوب میشود. 🏥
منبع: arXiv NLP