面向日语医学问答的基于知识图谱的 RAG 方法探讨：小规模 LLM 的实践
计算与语言
2025-04-29 v5 人工智能
摘要
大型语言模型（LLMs）在医学问答任务中表现良好，但在日语语境下效果受限，这是由于隐私限制使类似 GPT-4 等商业模型无法在临床环境中使用。因此，近期的研究聚焦于对开源小规模 LLMs 进行指令微调，尽管将其与检索增强生成（RAG）结合的潜力仍未得到充分探索。为填补这一差距，我们是首次探索一种面向日语医学问答的知识图谱（KG）RAG 框架，用于小规模开源 LLMs。实验结果表明，KG-based RAG 对使用小规模开源 LLMs 进行日语医学问答的影响有限。进一步的案例研究揭示，RAG 的效果取决于外部检索内容的质量和相关性。这些发现为在日语医学问答中应用 RAG 提供了宝贵的挑战与潜力见解，同时也为其他资源匮乏的语言提供了参考。
引用
@article{arxiv.2504.10982,
title = {Exploring the Role of Knowledge Graph-Based RAG in Japanese Medical Question Answering with Small-Scale LLMs},
author = {Yingjian Chen and Feiyang Li and Xingyu Song and Tianxiao Li and Zixin Xu and Xiujie Chen and Issey Sukeda and Irene Li},
journal= {arXiv preprint arXiv:2504.10982},
year = {2025}
}
备注
10 pages