heiDS 在ArchEHR-QA 2025：从固定-k 到查询依赖-k 的检索增强生成

本文介绍了我们团队称为 heiDS 的方法，用于 ArchEHR-QA 2025 共享任务。我们设计了一个基于检索增强生成 (RAG) 框架的管道，用于生成来自患者电子健康记录 (EHR) 中针对特定患者问题所获取临床证据的答案。我们探索了 RAG 框架的各个组件，重点关注排名列表截断 (RLT) 检索策略和归因方法。我们不采用固定的 top-k RLT 检索策略，而是采用查询依赖-k 检索策略，包括现有的 surprise 和 autocut 方法，以及本工作提出的两种新方法 autocut* 和 elbow。实验结果表明，我们的策略在生成 factual and relevant 的答案方面优于固定的-$k$。