Key points are not available for this paper at this time.
Um das Problem des Mangels an domänenspezifischem Wissen in großen Sprachmodellen (LLMs) zu lösen, hat sich die Methode der wissensgraphgestützten Retrieval-Erweiterung als effektive und effiziente Technik zur Wissenseinbettung erwiesen. Bestehende Ansätze stehen jedoch vor zwei Hauptproblemen: Wissensdiskrepanzen zwischen öffentlich verfügbaren Wissensgraphen und dem spezifischen Aufgabenbereich sowie eine schlechte Informationskonformität der LLMs mit Wissensgraphen. In dieser Arbeit nutzen wir eine kleine Menge gelabelter Beispiele und ein groß angelegtes Korpus, um domänenspezifische Wissensgraphen mithilfe eines LLM effizient zu konstruieren und so das Problem der Wissensdiskrepanz anzugehen. Zusätzlich schlagen wir eine dreistufige KG-LLM-Ausrichtungsstrategie vor, um die Fähigkeit des LLM zu verbessern, Informationen aus Wissensgraphen zu nutzen. Wir führen Experimente mit begrenzter Stichprobengröße an zwei biomedizinischen Frage-Antwort-Datensätzen durch, und die Ergebnisse zeigen, dass unser Ansatz bestehende Baselines übertrifft.
Building similarity graph...
Analyzing shared references across papers
Loading...
Zhouyu Jiang
Ling Zhong
Mengshu Sun
Building similarity graph...
Analyzing shared references across papers
Loading...
Jiang et al. (Thu,) haben diese Fragestellung untersucht.
www.synapsesocial.com/papers/68e65e37b6db6435875ecdc2 — DOI: https://doi.org/10.48550/arxiv.2406.03746
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: