KRAGEN: إطار عمل معزز بالرسم البياني المعرفي للاسترجاع المُعزز لحل المشكلات الطبية الحيوية باستخدام نماذج اللغة الكبيرة

الملخص الدافع إن الإجابة وحل المشكلات المعقدة باستخدام نموذج لغة كبير (LLM) في مجال معين مثل الطب الحيوي يُعد مهمة تحديّة تتطلب الاتساق الحقائقي والمنطقي، وغالبًا ما تعاني نماذج اللغة الكبيرة من بعض القيود الكبرى، مثل تخيل معلومات خاطئة أو غير ذات صلة، أو التأثر بالبيانات المشوشة. يمكن أن تؤثر هذه القضايا على موثوقية ودقة والامتثال للنصوص والرؤى الناتجة عن نماذج اللغة الكبيرة. النتائج محرك التوليد المعزز بالاسترجاع المعرفي (KRAGEN) هو أداة جديدة تجمع بين الرسوم البيانية المعرفية، والتوليد المعزز بالاسترجاع (RAG)، وتقنيات التوجيه المتقدمة لحل المشكلات المعقدة باستخدام اللغة الطبيعية. يقوم KRAGEN بتحويل الرسوم البيانية المعرفية إلى قاعدة بيانات متجهة ويستخدم RAG لاسترجاع الحقائق ذات الصلة منها. يستخدم KRAGEN تقنيات توجيه متقدمة تسمى رسم الأفكار (GoT)، لتجزئة المشكلة المعقدة ديناميكيًا إلى مشكلات فرعية أصغر، ثم يحل كل مشكلة فرعية من خلال المعرفة ذات الصلة عبر إطار عمل RAG، مما يحد من الهلوسات، وأخيرًا، يجمع المشاكل الفرعية ويقدم حلًا. تسمح تقنية تصور الرسم البياني في KRAGEN للمستخدم بالتفاعل وتقييم جودة هيكل ومنطق GoT الخاص بالحل. التوفر والتنفيذ يتم نشر KRAGEN عن طريق تشغيل حاويات Docker المخصصة الخاصة به. KRAGEN متاح كمصدر مفتوح من GitHub على: https://github.com/EpistasisLab/KRAGEN.