医学生物学大语言模型之VerifAI 项目：开源生物医学问答系统，提供经过验证的答案 基于 Qdrant 和 OpenSearch 索引构建基于 LLM（Mistral 7B）的生物医学问答系统的经验

简介

虽然有些项目和产品（例如 Elicit 或 Perplexity）可以部分实现 RAG（检索增强生成）并且可以回答和引用生物医学问题的文档，但我们的项目有几个不同之处。首先，我们目前专注于生物医学文档。其次，由于这是一个由欧盟资助的项目，我们承诺开源我们创建的所有内容，包括源代码、模型、模型适配器、数据集等所有内容。第三，目前没有其他产品可以对生成的答案进行后验验证，但它们通常只依赖于相当简单的 RAG，这可以减少幻觉但不能完全消除幻觉。该项目的主要目标之一是解决所谓的幻觉问题。大型语言模型 (LLM) 中的幻觉是指模型生成的文本听起来合理但事实上不正确、误导或无意义的情况。在这方面，该项目增加了实时系统的独特价值。

该项目已根据AGPLv3 许可证进行共享。

总体方法

我们采用的总体方法如下图所示。

推荐文章

• 《微软的 BioGPT：用于生物医学文本处理的基于 GPT 的语言模型(教程含源码)》 权重1，医学类

• 《使用 Llama-2–7b 进行医学问答的检索增强生成 使用 AWS 探索 Llama-2–7b 在医学领域检索增强生成的功能》 权重1，医学类、llama类

<