MedBioLM：利用微调大语言模型与检索增强生成优化医学和生物问答
计算与语言
2025-02-06 v1 人工智能
摘要
大语言模型（LLMs）在自然语言处理任务中展现出令人印象深刻的能力。然而，它们在医学和生物学等专业领域的应用需要进一步优化，以确保事实准确性、可靠性和上下文深度。我们介绍了MedBioLM，这是一个领域自适应的生物医学问答模型，旨在增强短式和长式查询的处理能力。通过整合微调和检索增强生成（RAG），MedBioLM动态地结合领域特定知识，提高了推理能力和事实准确性。为了评估其有效性，我们在多样化的生物医学问答数据集上对模型进行了微调，这些数据集涵盖了结构化的多项选择评估和复杂的临床推理任务。微调显著提高了基准数据集上的准确性，而RAG则增强了事实一致性。这些结果突显了领域优化的大语言模型在推进生物医学研究、医学教育和临床决策支持方面的潜力。
引用
@article{arxiv.2502.03004,
title = {MedBioLM: Optimizing Medical and Biological QA with Fine-Tuned Large Language Models and Retrieval-Augmented Generation},
author = {Seonok Kim},
journal= {arXiv preprint arXiv:2502.03004},
year = {2025}
}