检索增强 大语言模型 用于老年人使用大麻二酚的循证指导

老年人通常患有疼痛和睡眠障碍等慢性疾病，可以考虑使用大麻二酚来控制症状。安全使用需要适当的剂量、仔细的滴定以及对药物相​​互作用的认识，但耻辱感和有限的健康素养往往限制了理解。基于 大语言模型 和检索增强生成的对话式人工智能系统可能支持大麻二酚教育，但其安全性和可靠性仍未得到充分评估。这项研究开发了一个检索增强的 大语言模型 框架，该框架将结构化提示工程与精选的大麻二酚证据相结合，为老年人（包括患有认知障碍的老年人）生成情境感知指导。我们还提出了一个自动化、无注释的评估框架，在缺乏标准化基准的情况下对领先的独立模型和检索增强模型进行基准测试。六十四种不同的用户场景是由不同的症状、偏好、认知状态、人口统计、合并症、药物、大麻历史和护理人员支持产生的。评估了多个最先进的模型，包括集成多个检索系统的新颖的集成检索架构。在三种自动评估策略中，检索增强模型始终比独立模型产生更谨慎和符合指南的建议，其中集成方法表现最佳。这些发现表明，结构化检索提高了人工智能驱动的大麻二酚教育的可靠性和安全性，并为评估敏感健康环境中使用的人工智能工具提供了可重复的框架。