跨语言证据在多语言医学问答中的作用

本文研究了高资源（英语、西班牙语、法语、意大利语）和低资源（巴斯克语、哈萨克语）语言的多语言医疗问答。我们跨不同规模的模型评估三种类型的外部证据来源：专业医学知识的策划存储库、网络检索的内容以及 LLM 参数知识的解释。此外，我们还进行了多语言、单语言和跨语言检索的实验。我们的结果表明，较大的模型在英语基线评估中始终取得优异的表现。事实证明，在整合外部知识时，从网络检索的英文数据对于高资源语言最有利。相反，对于低资源语言，最有效的策略是将英语和目标语言的检索结合起来，实现与高资源语言结果相当的准确性。这些发现挑战了外部知识系统地提高性能的假设，并揭示了有效的策略取决于语言资源的来源和模型规模。此外，PubMed等专业医学知识来源有限：虽然它们提供权威的专家知识，但缺乏足够的多语言覆盖