의료 질문 응답을 위한 이질적 지식 기반의 검색 증강 대규모 언어 모델

대규모 언어 모델(LLM)은 방대한 일반 도메인 지식을 인코딩하는 능력으로 잘 알려져 있으며, 이는 질문 응답, 대화 시스템 및 요약 작업에서 뛰어난 성과를 가능하게 합니다. 그러나 의료 도메인은 의료 지식의 분포가 긴 꼬리 패턴을 따르기 때문에 LLM에게 독특한 도전을 제공합니다. 기존의 접근법은 의료 교과서나 의료 지식베이스와 같은 단일 출처를 통해 LLM에 의료 지식을 주입함으로써 이 도전을 해결하고 있습니다. 그러나 의료 지식은 여러 이질적인 정보 출처에 분산되어 있습니다. 의료 질문-응답 시스템은 이러한 다양한 지식 출처를 함께 고려함으로써 응답의 범위와 신뢰성을 향상시킬 수 있습니다. 이 격차를 해소하기 위해, 우리는 의료 도메인 질문 응답을 위한 이질적 지식 검색 증강 LLM이라는 새로운 접근법을 제안합니다. MedQA-USMLE 데이터셋을 기반으로 수행한 우리의 실험은 유망한 성과 개선을 보여줍니다. 이러한 결과는 의료 도메인에서 이질적인 지식 출처를 활용하는 것이 중요함을 강조합니다.