Araştırmacılar tıbbi verileri doğrulamak için CLEAR çerçeveğini sundu

Araştırmacılar, büyük dil modelleriyle çalışırken tıbbi verilerdeki çelişkileri gidermek için tasarlanan CLEAR adlı ajan tabanlı bir çerçeve sundu. Sistem, kritik alanlarda RAG mimarilerinin kullanımından kaynaklanan halüsinasyon ve hatalarla mücadele etmek üzere geliştirildi.

Algoritma üç bağımsız bilgi edinme kanalı üzerinden çalışıyor: modelin kendi parametrik bilgisi, yerel tıbbi derlemler ve harici kaynaklardan dinamik olarak alınan veriler. Bir toplayıcı, yanıt adaylarını kanıtlarla karşılaştırıp her kaynağın kalitesini değerlendirerek verilerde uyum veya çelişki olup olmadığını denetliyor.

Hakemlik modülü, “geçersiz kılma” (override-guard) ve “itiraz denetimi” (challenge-audit) mekanizmalarını kullanarak yanıtın korunmasına veya düzeltilmesine karar veriyor. Çözülemeyen çelişkiler tespit edildiğinde sistem, hedefli bir yeniden arama ve doğrulama sürecini otomatik olarak başlatarak sonuçların olgusal doğruluğunu artırıyor.

CLEAR kullanımı, LLM ağırlıklarındaki bilgilerin güncelliğini yitirmesiyle bağlantılı riskleri en aza indirmeyi sağlıyor. Çelişkili verileri çoğu zaman doğru kabul eden standart RAG sistemlerinden farklı olarak bu çerçeve, klinik öneriler ve teşhis açısından kritik önem taşıyan çok katmanlı bir kanıt denetimi sunuyor.