저자들은 BioASQ Task 14B 2026 시스템을 설명하며, 이는 검색 재페칭 전략 최적화와 여러 언어 모델의 답변 결합에 중점을 둡니다. 이 접근 방식은 BGE 와 BM25 를 사용하는 하이브리드 1 단계 검색 파이프라인과 PubMed, Europe PMC, iCite 에 대한 에이전트 기반 분해를 사용합니다.
- BGE 크로스 인코더 품질 게이트는 약하게 지원된 질문을 플래그 처리하여 선택적 재검색으로 비용을 12% 절감하면서 검증 데이터의 리스트 F1 을 향상시킵니다.
- 시스템은 다중 모델 앙상블 리프트를 선택 및 융합 구성 요소로 분해하여 다양한 메트릭 유형 전반에 걸친 성능을 예측합니다.
- Task 13B 2025 에서 시노니엄 유니온 리졸버가 가장 높은 리스트 재현율을 달성했으며, GPT-5.5 는 리스트 F1 에서 선두를 유지했습니다.
- 팀은 8 개의 리더보드 중 3 개에서 결합 정확도 집합에서 1 위를 차지했으며 예비 리더보드에서 개별 질문 유형 셀 4 개를 획득했습니다.
이 연구는 비용 효율적인 재검색 정책과 구조화된 다중 모델 결합이 생물의학 QA 작업의 성능을 크게 향상시킬 수 있음을 보여줍니다.