著者らは、BioASQ Task 14B 2026 システムについて説明しており、これは検索の再フェッチ戦略の最適化と複数の言語モデルからの回答の統合に焦点を当てています。このアプローチは、BGE と BM25 を使用したハイブリッドな第一段階の検索パイプラインを採用し、PubMed、Europe PMC、および iCite に対してエージェント駆動型の分解を行います。

  • BGE クロスエンコーダの品質ゲートが弱く支持された質問をフラグ付けし、選択的な再検索によりコストを 12% 削減しつつ、検証データにおけるリスト F1 を向上させます。
  • システムは、マルチモデルアンサンブルによる性能向上を、選択と融合のコンポーネントに分解し、異なるメトリックタイプ全体での性能を予測します。
  • Task 13B 2025 では、シノニムユニオンリゾルバーが最高のリスト再現率を達成し、GPT-5.5 がリスト F1 で首位を維持しました。
  • チームは 8 つのリーダーボードのうち 3 つで結合正確度集計において 1 位となり、予備リーダーボードの個別質問タイプセルで 4 つを獲得しました。

本研究は、コスト実用的な再検索ポリシーと構造化されたマルチモデルの組み合わせが、生物医学的 QA タスクのパフォーマンスを大幅に向上できることを示しています。