PubMed Reasoner：基于动态推理的循证生物医学问答检索

值得信赖的生物医学问答（QA）系统不仅必须提供准确的答案，而且还必须用当前的、可验证的证据来证明它们的合理性。检索增强方法部分解决了这一差距，但缺乏迭代优化不良查询的机制，而自我反思方法只有在完全检索完成后才会启动。在这种背景下，我们引入了 PubMed Reasoner，这是一种生物医学 QA 代理，由三个阶段组成：自我批评查询细化评估 MeSH 术语的覆盖范围、对齐和冗余，以增强基于部分（元数据）检索的 PubMed 查询；反思性检索分批处理文章，直到收集到足够的证据；基于证据的响应生成会产生带有明确引用的答案。具有 GPT-4o 主干的 PubMed Reasoner 在 PubMedQA 上实现了 78.32% 的准确率，略高于人类专家，并且在 MMLU 临床知识上表现出持续的进步。此外，LLM 作为法官的评估更喜欢我们的回答：推理合理性、证据基础、临床相关性和可信度。通过对权威来源进行检索优先推理，我们的方法为临床医生和生物医学研究人员提供了实际帮助，同时控制了计算和词元成本。