연구자들은 입력 조건에 따라 어댑터 순위를 동적으로 조정하는 의료 다지선다형 질문 응답을 위한 파라미터 효율적 적응 방법인 BiRG-LoRA를 제안했습니다. 이 방법은 각 레이어의 단일 LoRA 모듈에서 순위 원자의 희소 부분 집합을 선택하기 위해 이중 축 게이트를 사용하며, 시맨틱 증거와 임상 사전 지식을 결합합니다.

  • Qwen3-8B를 사용하여 CMB, CMExam, MedQA 및 MedMCQA 벤치마크에서 69.31%의 매크로 평균 정확도를 달성했습니다.
  • 학습 가능한 파라미터를 28.1% 줄이면서 MoELoRA보다 0.89퍼센트포인트 더 우수합니다.
  • 바닐라 LoRA r16 및 활성 순위 일치 LoRA r4 대비 매크로 0.83포인트 개선했습니다.
  • 평가 시 약축 섭동 검사를 통해 중간 태그 노이즈에 대한 견고성을 입증했습니다.

결과는 임상적으로 구조화된 순위 할당이 일치된 단일 시드 프로토콜 하에서 벤치마크 간 의료 QA 성능을 향상시킨다는 것을 나타냅니다.