生物医学检索管道在性能与效率之间的系统性研究
信息检索
2026-04-24 v1
摘要
检索系统在生物医学和临床自然语言处理应用中日益增多，但针对构建此类系统的实用指导方面的文献有限。本文通过对检索管道设计选择如何影响规模化性能和效率的实证研究，提供了此类指导。具体而言，我们检验了在多种现有公开生物医学文本数据集上进行检索，利用多种不同类型的查询，包括考试式问题、对话式医疗查询、社区提问以及各种检索管道设置下的非问题表述，涵盖语料库选择、块粒度和向量索引配置等方面。检索结果通过基于LLM的评判设置下的稳健、赢率比较评估进行判断。通过这些实验，我们识别出若干具体指导意见，包括语料库聚合在绝对检索质量方面的优势，以及在基于图的（HNSW）索引、合适的块分块策略和FAISS索引选择下，MedRAG/pubmed作为Pareto最优单体语料库在速度和效率之间提供了最佳权衡。
引用
@article{arxiv.2604.20853,
title = {A Systematic Study of Biomedical Retrieval Pipeline Trade-offs in Performance and Efficiency},
author = {Hayk Stepanyan and Matthew McDermott},
journal= {arXiv preprint arXiv:2604.20853},
year = {2026}
}