論文の概要: Healthier LLMs: Retrieval-Augmented Generation for Public Health Question Answering

• arxiv url: http://arxiv.org/abs/2607.06641v1
• Date: Tue, 07 Jul 2026 14:47:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 22:50:30.164953
• Title: Healthier LLMs: Retrieval-Augmented Generation for Public Health Question Answering
• Title（参考訳）: Healthier LLMs: 公衆衛生質問応答のための検索型ジェネレーション
• Authors: Felix Feldman, Joshua Harris, Timothy Laurence, Leo Loman, Ollie Higgins, Fan Grayson, Poonam Soma, Bethany Pace-Bonello, Michael Borowitz, Toby Nonnenmacher,
• Abstract要約: 大規模言語モデル(LLM)は、医学的質問応答ベンチマークにおいて有望な結果を達成するが、公衆衛生においての使用は幻覚によって制限される。 Retrieval-Augmented Generation (RAG) は、明示的に維持されたコーパスに応答を接地することで、これらのリスクを軽減する。 英国政府の公衆衛生ガイダンスから得られた7,929の質問に対する質問応答ベンチマークであるPubHealthBenchを、検索強化設定に拡張する。
• 参考スコア（独自算出の注目度）: 0.49684308102851493
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) achieve promising results on medical question answering benchmarks, yet their use in public health is constrained by hallucinations and the rapid evolution of official guidance. Retrieval-Augmented Generation (RAG) mitigates these risks by grounding responses in an explicitly maintained corpus, but end-to-end performance depends critically on retrieval configuration and on evaluation beyond multiple-choice formats. We extend PubHealthBench, a question answering (QA) benchmark of 7,929 questions derived from UK Government public health guidance, into a retrieval-augmented setting and systematically evaluate retrieval and generation choices. We compare dense, sparse, and hybrid retrieval across multiple embedding models and corpus variants, and show that hybrid retrieval consistently improves recall and ranking quality, with chunk length and topic interacting with ranking performance. Providing retrieved context substantially increases multiple-choice accuracy across a diverse set of LLMs, enabling smaller open-weight models to match or outperform larger models used without retrieval, with gains primarily driven by retrieval quality and careful context selection. To assess realistic free-form answering, we introduce a rubric-based LLM-as-a-judge covering faithfulness, completeness, clarity, and factual consistency, and validate it against dual human annotations. Judge-human agreement is strongest for faithfulness and completeness, while factual consistency and clarity are less reliably reproduced, motivating caution when interpreting those dimensions at scale. Overall, our results highlight retrieval as a primary lever for reliable public health QA and provide practical guidance for building and evaluating RAG systems grounded in official guidance.
• Abstract（参考訳）: 大きな言語モデル(LLM)は、医学的質問応答ベンチマークにおいて有望な結果を達成するが、公衆衛生におけるそれらの使用は幻覚と公式ガイダンスの急速な進化によって制限される。 Retrieval-Augmented Generation (RAG) は、明示的に維持されたコーパスに応答を基盤にすることで、これらのリスクを軽減するが、エンドツーエンドのパフォーマンスは、検索構成や複数選択フォーマット以上の評価に大きく依存する。 我々は、英国政府の公衆衛生ガイダンスから得られた7,929の質問に対する質問応答(QA)ベンチマークであるPubHealthBenchを、検索強化された設定に拡張し、検索と生成の選択を体系的に評価する。 我々は,複数の埋め込みモデルとコーパス変種をまたいだ密度,スパース,ハイブリッド検索を比較し,ハイブリット検索が常にリコールとランキングの質を向上し,チャンク長とトピックがランキングのパフォーマンスと相互作用することを示す。 検索されたコンテキストを提供することにより、様々なLLMの集合における多重選択精度が大幅に向上し、より小さなオープンウェイトモデルで、検索なしで使用されるより大きなモデルにマッチまたは性能を向上することができる。 現実的な自由形式の回答を評価するために, 信頼度, 完全性, 明確性, 事実整合性を包含したルーリック型LCM-as-a-judgeを導入し, 二重アノテーションに対して検証する。 判断と人間の合意は忠実さと完全さのために最強であるが、事実の一貫性と明確さは確実に再現されず、これらの次元を大規模に解釈する際に注意を喚起する。 以上の結果から,信頼性の高い公衆衛生QAのためのプライマリレバーとして検索を重要視し,公式ガイダンスに基づくRAGシステムの構築と評価の実践的ガイダンスを提供する。

関連論文リスト

• Boosting Self-Consistency with Ranking [56.38798757709555]
  自己整合性は、複数の推論パスをサンプリングし、最も頻繁な回答を選択することで、大きな言語モデルを改善する。 この制限は、自己整合性における解答選択をランク付け問題として再構成する、ランク付け改善自己整合性(RISC)に対処する。
  論文  参考訳（メタデータ） (2026-06-03T16:12:30Z)
• A Systematic Study of Retrieval Pipeline Design for Retrieval-Augmented Medical Question Answering [0.0]
  大規模言語モデル(LLM)は、医学的質問応答において強力な能力を示している。 Retrieval-augmented Generation (RAG)は、外部知識検索を推論プロセスに統合することで、この制限に対処する。 本研究は、MedQA USMLEベンチマークと構造化教科書ベースの知識コーパスを用いて、RAGに基づく医療質問応答の体系的評価を行う。
  論文  参考訳（メタデータ） (2026-04-08T16:37:22Z)
• Self-MedRAG: a Self-Reflective Hybrid Retrieval-Augmented Generation Framework for Reliable Medical Question Answering [39.146761527401424]
  Self-MedRAGは、臨床推論の反復的仮説検証プロセスを模倣するために設計された自己反射型ハイブリッドフレームワークである。 Sparse(BM25)とReciprocal Rank Fusion(Reciprocal Rank Fusion)による高密度(Contriever)レトリバーを組み合わせたハイブリッド検索戦略を統合している。 ジェネレータを使用して、支持する合理性で回答を生成し、軽量な自己回帰モジュールで評価する。
  論文  参考訳（メタデータ） (2026-01-08T02:56:04Z)
• Enhancing the Medical Context-Awareness Ability of LLMs via Multifaceted Self-Refinement Learning [49.559151128219725]
  大規模言語モデル(LLM)は医療分野で大きな可能性を示しており、いくつかのベンチマークで高いパフォーマンスを実現している。 しかし、実際の医療シナリオではパフォーマンスが低下し続けており、コンテキスト認識の強化が要求されることが多い。 データ駆動型アプローチであるMultifaceted Self-Refinement (MuSeR)を提案する。
  論文  参考訳（メタデータ） (2025-11-13T08:13:23Z)
• On the Influence of Context Size and Model Choice in Retrieval-Augmented Generation Systems [5.69361786082969]
  Retrieval-augmented Generation (RAG)は、大規模言語モデル(LLM)の拡張手法として登場した。 我々は,様々なコンテキストサイズ,BM25,セマンティック検索を検索として評価し,8つの基本LLMについて検討した。 以上の結果から, 最終QA成績は最大15スニペットで着実に改善するが, 停滞あるいは低下がみられた。
  論文  参考訳（メタデータ） (2025-02-20T17:34:34Z)
• Comprehensive and Practical Evaluation of Retrieval-Augmented Generation Systems for Medical Question Answering [70.44269982045415]
  Retrieval-augmented Generation (RAG) は,大規模言語モデル (LLM) の性能向上のための有望なアプローチとして登場した。 医療用QAデータセットに様々な補助的要素を提供するMedRGB(MedRGB)を導入する。 実験結果から,検索した文書のノイズや誤情報の処理能力に限界があることが判明した。
  論文  参考訳（メタデータ） (2024-11-14T06:19:18Z)
• The Geometry of Queries: Query-Based Innovations in Retrieval-Augmented Generation for Healthcare QA [1.2839205715237014]
  QB-RAG(QB-RAG)は、医療質問応答における検索機能強化のためのフレームワークである。 QB-RAG の鍵となるコンポーネントは LLM ベースのフィルタリング機構であり、関連する質問と回答可能な質問だけがデータベースに含まれることを保証する。 医療データを用いた経験的評価は,既存の検索手法と比較してQB-RAGの優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-25T13:47:01Z)
• SeRTS: Self-Rewarding Tree Search for Biomedical Retrieval-Augmented Generation [50.26966969163348]
  大規模言語モデル(LLM)は,検索増強世代(RAG)の進展に伴い,生物医学領域において大きな可能性を示した。 既存の検索強化アプローチは、様々なクエリやドキュメント、特に医療知識クエリに対処する上で、課題に直面している。 モンテカルロ木探索(MCTS)と自己回帰パラダイムに基づく自己回帰木探索(SeRTS)を提案する。
  論文  参考訳（メタデータ） (2024-06-17T06:48:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。