使用结构化医学知识库对大型语言模型进行知识调整，以提高中文可靠性的响应生成
原文中文，约300字，阅读约需1分钟。发表于：。为了解决大型语言模型（LLM）在医学领域中知识局限导致产生虚假医学事实的困境，本研究提出了知识调整的方法，利用结构化的医学知识库帮助 LLMs 有效掌握领域知识，从而实现可靠的回答生成。通过引入基于医学知识库构建的中文医学知识问答数据集 cMedKnowQA，实验结果表明，经过 cMedKnowQA 知识调整的 LLMs 在回答生成上表现出更高的准确性，为 LLMs 的领域适应提供了可靠的新途径。
本研究提出了一种利用医学知识库帮助大型语言模型更好地掌握医学领域知识的方法，实现可靠的回答生成。经过知识调整的LLMs在回答生成上表现出更高的准确性，为LLMs的领域适应提供了可靠的新途径。
