简介
LLM改变了人类搜索日常信息的方式。
尽管 LLM 非常适合一般场景,但在询问医学、法律、金融等专业知识时,LLM 会产生幻觉并产生不相关的信息。
他们也没有提供这些不断更新的领域的最新信息,而是提供了过于简单的回答,而没有考虑新颖的见解或发现。
LLM 也无法访问与某个领域相关的现成私有和专业数据,除非对其进行微调。然而,微调是一个复杂的过程,需要领域专业知识、大量时间和计算资源。
为了解决这个问题, 2021 年推出了检索增强生成 (RAG)。这种方法允许 LLM 使用专门的私有数据集来回答用户查询,而无需进行任何微调。
2024 年初,使用图形检索增强生成 (GRAG)使得该过程更加准确。
最后,我们有了MedGraphRAG,这是一个专为医疗领域设计的新型基于图的检索增强生成 (RAG) 框架。
该方法在多个医学问答基准上始终优于最先进的 LLM(即使经过微调)。
它还避免了 LLM 响应生成的“黑箱”方法,确保响应包含源文档,这在医学领域是绝对必要的,因为幻觉响应可能会造成生命损失。