高风险医疗检索增强一代的索赔选择性认证

高风险 QA 环境中的医疗 RAG 系统通常通过单一的“回答或弃权”决定进行评估，但混合证据可能支持一种主张，要求另一种主张条件，并与第三种主张相矛盾。我们研究声明选择性认证：每个响应都被分解为可验证的声明，根据检索到的证据进行评分，并由意图感知的选择器映射到{完全、部分、冲突、弃权}。在主要弱标签证书协议上，其仅真实源开发/测试行涵盖自然发生的非弃权操作，完整系统记录 UCCR=0.0000、PAU=1.0000、PAU Precision=0.9901 和 dev 上的操作精度=0.9204 (n=314)，以及 UCCR=0.0000、PAU=0.9967、PAU测试时精度 = 0.9739，动作准确度 = 0.8997 (n = 319)。 UCCR 衡量证书定义中不受支持的声明风险，并且缺少来源的反事实切片在空证据下评估弃权。快捷方式控制量化了由源和意图元数据事先解释的动作标签，而源/证据小说切片则表征了传输边界。由此产生的界面将行动标签预测与混合证据下与证据相关的主张选择分开。