共计 806 个字符,预计需要花费 3 分钟才能阅读完成。
Heidelberg 大学医院
[生成式人工智能(AI)](https://www.zdnet.com/article/what-is-generative-ai-and-why-is-it-so-popular-heres-everything-you-need-to-know/)显示出在结构化测试中具有显著的问题回答能力,包括在美国医学执照考试中获得远高于及格分数的成绩。
然而,在非结构化的情况下,当 AI 模型面对人类制作的一系列新问题时,结果可能糟糕,这些模型经常会产生多个不准确或明显错误的断言,这种现象称为“幻觉”。
RAG 方法的引入
本周,德国海德堡大学医院的研究人员在《新英格兰医学杂志》(NEJM)中报告说,将生成式 AI 模型与相关信息数据库相连接显著提高了模型在肿瘤学和癌症治疗方面回答非结构化查询的能力。
时事通讯
ZDNET 科技今日通讯是每周五天最新、最热门故事的每日简报。
订阅
[查看全部](https://www.zdnet.com/newsletters/)
检索增强生成(RAG)方法允许大型语言模型利用外部信息源,根据海德堡团队在《新英格兰医学杂志》(NEJM)中的研究,这一方法大大改进了模型的即时问题回答能力,该团队包括 Dyke Ferber 等研究人员。
AI 助手的潜力
该研究是因为医学面临着独特的信息过载问题——医学专业组织不断制定更多最佳实践建议。医生需要遵循这些建议,而随着人们寿命延长,以及对医疗需求增加,他们的负担也在增加。
海德堡团队推测,AI 助手可以帮助临床医生整理这些不断增长的文献。
确实,他们发现 [GPT-4](https://www.zdnet.com/article/what-does-gpt-stand-for-understanding-gpt-3-5-gpt-4-and-more/) 在 RAG 的帮助下达到了足够的准确性水平,有助于总结相关建议,从而减轻了医生的行政负担。