CuraView：具有 GraphRAG 增强知识验证的医学幻觉检测多代理框架

出院总结需要从冗长的电子健康记录 (EHR) 中提取关键信息，手动执行此过程非常耗费人力。 大语言模型（LLM）可以提高生成效率；然而，他们很容易产生 忠实性 幻觉，即与源记录相矛盾的陈述，对患者安全构成直接风险。为了解决这个问题，我们提出了 CuraView，一个多智能体框架，用于对出院摘要中的 忠实性 幻觉进行句子级检测和基于证据的解释。 CuraView 从患者级 EHR 构建基于 GraphRAG 的知识图，并实现闭环生成检测管道，并具有句子级证据检索和分类，涵盖从强烈支持到直接矛盾（E1-E4）的四个证据等级，产生结构化且可解释的证据链。我们在 Discharge-Me 基准测试中对 250 名患者的子集进行了 CuraView 评估，其中 50 名患者进行了测试。我们经过微调的 Qwen3-14B 检测模型在安全关键的 E4 指标上实现了 0.831 的 F1（召回率 90.9%，准确率 76.5%），在 E3+E4 上的 F1 达到 0.823，相对于基础模型提高了 50.0%，并且优于 RAGTruth 风格和 QAGS 风格的基线。这些结果表明，基于证据链的图形检索验证大大提高了临床文档的事实可靠性，同时为下游 模型训练 和 蒸馏 生成可重复使用的注释数据集。