محققان در تازهترین پژوهش خود برای مسابقات BioASQ 14b، یک فریمورک هوشمند طراحی کردهاند که پاسخدهی هوش مصنوعی به سوالات پزشکی را متحول میکند. این مدل به جای استفاده از یک روش یکسان، برای هر نوع سوال (بله/خیر، واقعیتی یا لیستی) استراتژی متفاوتی را به کار میگیرد. 🧬
نکات کلیدی این دستاورد:
✅ استفاده از «خود-انعکاسی» برای افزایش ثبات در پاسخهای بله/خیر.
✅ به کارگیری زنجیره تفکر (CoT) برای شناسایی دقیق موجودیتهای بیولوژیکی.
✅ استفاده از سیستم چندعاملی (Multi-Agent) برای پاسخ به سوالات لیستی و ترکیب شواهد علمی.
این مدل موفق شده در چالش رسمی BioASQ 14b در بخش سوالات واقعیتی (Factoid) مقام اول را کسب کند. گامی بزرگ برای رسیدن به دستیارهای هوشمند علمی که واقعاً میتوان به نتایج آنها در علوم پزشکی اعتماد کرد. 🧪
منبع: arXiv AI