Um estudo apresenta uma estrutura de modelo de linguagem grande para o desafio BioASQ 14b Task B que melhora a robustez das respostas ao selecionar procedimentos de inferência com base no tipo de pergunta. O sistema utiliza embaralhamento de trechos e autorreflexão para perguntas de sim/não, aprendizado in-context com cadeia de pensamento para perguntas factuais e uma arquitetura multiagente para perguntas de lista.
- Perguntas de sim/não utilizam embaralhamento de trechos e autorreflexão para reduzir a sensibilidade à ordem das evidências.
- Perguntas factuais empregam entrada de trecho completo combinada com aprendizado in-context baseado em cadeia de pensamento para identificação de entidades.
- Perguntas de lista são tratadas por meio de uma arquitetura multiagente para extração e verificação colaborativa de evidências.
A estrutura alcançou o primeiro lugar na subtarefa factual do Batch 4, demonstrando a eficácia de combinar inferência específica por tipo de pergunta com verificação baseada em agentes.