PriHA：面向香港初级医疗助理的 RAG 增强型大型语言模型框架
信息检索
2026-05-19 v2 人工智能
摘要
为应对香港特别行政区政府公共卫生支出的不可持续增长，政府正将战略重心转向初级医疗，并鼓励市民利用社区资源自我管理健康。然而，官方临床指南分散在不同部门和格式中，导致获取障碍显著。虽然聊天机器人等通用大型语言模型(LLM)如 ChatGPT 和 DeepSeek 可能提供解决方案，但因缺乏本地化和领域特定知识，容易生成事实错误内容。为此，我们提出一种基于检索增强生成(RAG)的大型语言模型系统作为香港初级医疗助理(PriHA)。具体而言，提出三阶段管道，利用查询优化器对用户意图导向的子查询进行概括化处理，随后采用新颖的双检索增强生成(DRAG)架构实现混合来源检索和上下文重新组织生成。详实实验和详细案例研究表明，我们的方法在准确率和清晰度方面均优于现有方法。我们的研究为探索其他高风险、本地化应用场景提供了可靠且可追溯的对话检索框架。
引用
@article{arxiv.2604.14215,
title = {PriHA: A RAG-Enhanced LLM Framework for Primary Healthcare Assistant in Hong Kong},
author = {Richard Wai Cheung Chan and Shanru Lin and Ya-nan Ma and Hao Chen and Liangjun Jiang and Wenqi Fan},
journal= {arXiv preprint arXiv:2604.14215},
year = {2026}
}
备注
Accepted to PAKDD 2026