Sebuah studi menyajikan kerangka kerja model bahasa besar untuk tantangan BioASQ 14b Task B yang meningkatkan ketahanan jawaban dengan memilih prosedur inferensi berdasarkan tipe pertanyaan. Sistem ini menggunakan pengacakan cuplikan dan refleksi diri untuk pertanyaan ya/tidak, pembelajaran in-context berbasis rantai-pemikiran untuk pertanyaan faktual, dan arsitektur multi-agen untuk pertanyaan daftar.
- Pertanyaan ya/tidak memanfaatkan pengacakan cuplikan dan refleksi diri untuk mengurangi sensitivitas terhadap urutan bukti.
- Pertanyaan faktual menggunakan input cuplikan penuh yang dikombinasikan dengan pembelajaran in-context berbasis rantai-pemikiran untuk identifikasi entitas.
- Pertanyaan daftar ditangani melalui arsitektur multi-agen untuk ekstraksi dan verifikasi bukti kolaboratif.
Kerangka kerja ini meraih tempat pertama di subtask faktual Batch 4, menunjukkan efektivitas menggabungkan inferensi spesifik tipe pertanyaan dengan verifikasi berbasis agen.