该研究提出了一种自给自足框架，通过强化学习提取结构化信息，显著提升大型语言模型在复杂科学问题上的联想思维能力。在生物医学问答任务中，模型性能提高了71.4%。此方法为结构化检索与推理的整合提供了新思路。

本研究提出一种结合大型语言模型和知识图谱的新方法，解决生物医学问答系统中的幻觉问题。通过查询检查器确保生成查询的有效性，显著减少错误。研究发现，GPT-4 Turbo在生成准确查询方面表现出色，而开源模型如llama3:70b在适当提示下也有潜力。