热点事件持续更新

KG-RAG4SM提升医疗模式匹配精度

1 篇报道1 个报道来源32 分钟前更新

先了解这件事

AI 综述

奥尔堡大学等机构提出知识图谱检索增强生成方法KG-RAG4SM，用知识图谱辅助医疗数据标准（schema）匹配，在无需重新训练模型的情况下，针对语义歧义和大语言模型幻觉问题提升匹配效果。据报道，该方法在MIMIC数据集上的精度较Jellyfish-8B等LLM最优方法提高39.79%、F1提高30.56%；在Synthea数据集上，较SMAT等PLM最优方法分别提高69.20%和21.99%。

AI 根据报道生成 · 13 分钟前更新

最新进展11月10日 22:17

KG-RAG4SM：知识图谱 RAG 提升 schema 匹配，精度较 LLM SOTA 提升 39.79%

报道时间线

沿着报道，了解事件的不同侧面。

11月10日

22:17
AGI Hunt
KG-RAG4SM：知识图谱 RAG 提升 schema 匹配，精度较 LLM SOTA 提升 39.79%
奥尔堡大学等机构提出 KG-RAG4SM，以知识图谱 RAG 提升 schema 匹配精度，缓解语义歧义与 LLM 幻觉，且无需重新训练。MIMIC 数据集上精度较 LLM SOTA（如 Jellyfish-8B）提升 39.79%、F1 提升 30.56%；Synthea 数据集上精度较 PLM SOTA（如 SMAT）提升 69.20%、F1 提升 21.99%。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。