面向older成人的cannabidiol使用的检索增强型大语言模型
信息检索
2026-04-14 v1 人工智能
摘要
older成人常常患有慢性疾病，如疼痛和睡眠障碍，可能考虑用于症状管理的cannabidiol。安全使用需要适当的剂量、谨慎的 titration 以及对药物相互作用的了解，但因污名化和健康素养有限，往往限制了理解。基于大语言模型和检索增强生成的对话式人工智能系统可能支持cannabidiol教育，但其安全性和可靠性尚不足够评估。本研究开发了一个检索增强型大语言模型框架，将结构化提示工程与精选的cannabidiol证据结合，用于为older成人（包括认知受损者）生成情境感知的指导。我们还提出了一个自动、无注释的评估框架，用于在缺乏标准化基准的情况下，对比主流独立模型和检索增强型模型。通过变更症状、偏好、认知状态、人口学特征、合并症、药物、cannabis历史以及护理支持等因素，生成 64 种多样化的用户情景。评估多款最先进模型，包括一种新型集成检索体系结构。基于三种自动评估策略，检索增强型模型在推荐方面 consistently 比独立模型更谨慎且更符合指南，集成方法表现最佳。这些发现表明，结构化检索可提高 AI 驱动的cannabidiol教育的可靠性和安全性，并提供一个可复现的框架，用于评估在敏感健康情境中使用的 AI 工具。
关键词
引用
@article{arxiv.2604.09548,
title = {Retrieval-Augmented Large Language Models for Evidence-Informed Guidance on Cannabidiol Use in Older Adults},
author = {Ali Abedi and Charlene H. Chu and Shehroz S. Khan},
journal= {arXiv preprint arXiv:2604.09548},
year = {2026}
}