Peneliti mengusulkan BiRG-LoRA, metode adaptasi efisien parameter untuk jawaban pertanyaan pilihan ganda medis yang secara dinamis menyesuaikan peringkat adapter berdasarkan kondisi input. Metode ini menggunakan gerbang biaxial untuk memilih subset jarang dari atom peringkat dari satu modul LoRA per lapisan, menggabungkan bukti semantik dengan prior klinis.
- Mencapai akurasi rata-rata makro 69,31% di benchmark CMB, CMExam, MedQA, dan MedMCQA menggunakan Qwen3-8B.
- Mengungguli MoELoRA sebesar 0,89 poin persentase sambil menggunakan 28,1% parameter yang dapat dilatih lebih sedikit.
- Meningkatkan LoRA r16 vanilla dan LoRA r4 yang cocok dengan peringkat aktif sebesar 0,83 poin makro.
- Menunjukkan ketahanan terhadap noise tag moderat melalui pemeriksaan perturbasi sumbu lemah saat evaluasi.
Hasil menunjukkan bahwa alokasi peringkat yang terstruktur secara klinis meningkatkan kinerja QA medis lintas benchmark di bawah protokol benih tunggal yang dicocokkan.