研究人員提出CLEAR框架以驗證醫學數據

研究人員提出CLEAR，這是一種代理框架，旨在解決大型語言模型在醫學數據中出現的矛盾。該系統旨在消除使用RAG架構在關鍵領域中出現的幻覺和不準確性。

算法通過三個獨立的信息獲取通道工作：模型本身的參數知識、局部醫學語料庫和動態提取的外部數據。聚合器通過將候選答案與證據庫進行匹配並檢查每個來源的質量以查找數據的一致性或衝突來驗證候選答案。

裁決模組使用「覆蓋」(override-guard)和「審計挑戰」(challenge-audit)機制決定是否保留或更正答案。在發現無法解決的矛盾時，系統會自動啟動目標重查和重新驗證程序，從而提高實際準確度。

使用CLEAR可以將與LLM權重中知識過時相關的風險降至最低。與標準的RAG系統不同，後者通常將矛盾的數據視為真相，該框架提供了多級證據驗證，這對於臨床建議和診斷至關重要。