大语言模型在医疗对话问答中需要整体式思考
计算与语言
2023-05-11 v2
摘要
医疗对话问答（CQA）系统旨在提供一系列专业医疗服务以提升医疗效率。尽管大语言模型（LLMs）在数学、逻辑和常识问答等多个领域的复杂推理任务中取得了成功，但随着医疗领域复杂性与专业性的增加，它们仍有待改进。这是因为医疗 CQA 任务不仅要求强大的医疗推理能力，还要求广泛而深入的思考能力。在本文中，为应对医疗 CQA 任务中需多方面考量与理解的挑战，我们提出了整体式思考（HoT）方法，其旨在引导 LLMs 进行发散与聚焦式思考以生成高质量医疗回复。所提出的 HoT 方法已通过包含英文与中文的三个不同医疗 CQA 数据集中的自动与人工评估进行了评测。广泛的实验结果表明，相较于若干最先进（SOTA）方法，我们的方法能生成更正确、专业且周到的答案，证明了其有效性。我们的代码见 https://github.com/WENGSYX/HoT。
引用
@article{arxiv.2305.05410,
title = {Large Language Models Need Holistically Thought in Medical Conversational QA},
author = {Yixuan Weng and Bin Li and Fei Xia and Minjun Zhu and Bin Sun and Shizhu He and Kang Liu and Jun Zhao},
journal= {arXiv preprint arXiv:2305.05410},
year = {2023}
}