Hybrid-IR：用于复杂医学问答的双路径混合检索和迭代推理

大语言模型 (LLM) 在包括医学问答 (QA) 在内的广泛生物医学应用中表现出了良好的性能，但它们仍然容易产生幻觉和过时的知识。尽管检索增强生成（RAG）可以通过合并外部文档来缓解这个问题，但仍然存在两个基本限制。首先，医学知识通常在文档中分散，而大多数 RAG 方法依赖于单一检索路径，这使得联合保存细粒度语义信息和结构化全局关联变得具有挑战性。其次，静态检索策略通常不足以支持在复杂的医学 QA 中很重要的深度推理。在本文中，我们提出了一种双路径检索框架，具有迭代检索推理机制，称为“Hybrid-IR”，用于复杂的医学 QA。所提出的混合IR集成了用于探索结构化知识的基于图的检索和用于细粒度语义匹配的密集检索。此外，推理轨迹可以通过迭代检索推理循环逐步细化。对三个广泛使用的医学 QA 基准的实验证明了我们的 Hybrid-IR 的有效性。