НОВОСТЬ · RESEARCH · #359
CLEAR: агентная схема согласования доказательств из разных источников для LLM в медицине (arXiv:2609.16301v1)
Авторы предлагают CLEAR — агентную схему, которая формирует варианты ответов из трёх источников: параметрического знания модели, локально курируемых корпусов и динамически извлекаемых доказательств, и использует агрегирующий верификатор для оценки ответов, их источников и качества. Модуль вынесения решения применяет механизмы override-guard и challenge-audit для сохранения или пересмотра выводов и инициирует целевой повторный поиск и переоценку при неразрешимых конфликтах.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Авторы предлагают CLEAR — агентную схему, которая формирует варианты ответов из трёх источников: параметрического знания модели, локально курируемых корпусов и динамически извлекаемых доказательств, и использует агрегирующий верификатор для оценки ответов, их источников и качества.
- Модуль вынесения решения применяет механизмы override-guard и challenge-audit для сохранения или пересмотра выводов и инициирует целевой повторный поиск и переоценку при неразрешимых конфликтах.
- CLEAR решает ключевую задачу согласования противоречивых и меняющихся медицинских доказательств с фиксированным знанием LLM, предлагая структурированный процесс вынесения решения, который может улучшить обоснованность и безопасность ответов LLM в медицине.
ПОЧЕМУ ЭТО ВАЖНО
CLEAR решает ключевую задачу согласования противоречивых и меняющихся медицинских доказательств с фиксированным знанием LLM, предлагая структурированный процесс вынесения решения, который может улучшить обоснованность и безопасность ответов LLM в медицине.