Un estudio presenta un marco de trabajo de modelos de lenguaje grandes para el desafío BioASQ 14b Task B que mejora la robustez de las respuestas seleccionando procedimientos de inferencia según el tipo de pregunta. El sistema utiliza el desordenamiento de fragmentos y la autorreflexión para preguntas de sí/no, aprendizaje in-context con cadena de pensamiento para preguntas factoides y una arquitectura multiagente para preguntas de lista.
- Las preguntas de sí/no utilizan el desordenamiento de fragmentos y la autorreflexión para reducir la sensibilidad al orden de la evidencia.
- Las preguntas factoides emplean la entrada de fragmento completo combinada con aprendizaje in-context basado en cadena de pensamiento para la identificación de entidades.
- Las preguntas de lista se manejan mediante una arquitectura multiagente para la extracción y verificación colaborativa de evidencia.
El marco de trabajo logró el primer lugar en la subtarea factoid del Batch 4, demostrando la efectividad de combinar la inferencia específica por tipo de pregunta con la verificación basada en agentes.