医学 AI

Knowledge-Driven Agentic Scientific Corpus Distillation Framework for Biomedical Large Language Models Training

面向生物医学大语言模型训练的知识驱动代理科学语料库精简框架

Meng Xiao, Xunxin Cai, Qingqing Long, Chengrui Wang, Yuanchun Zhou, Hengshu Zhu

机构 * Computer Network Information Center, Chinese Academy of Sciences, Beijing, China（中国科学院计算机网络信息中心） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学） ； Duke-NUS Medical School, National University of Singapore, Singapore（新加坡国立大学杜克-新加坡医学部） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)；分类 q-bio

AI总结 本文提出一种知识驱动的代理框架，用于生物医学大语言模型训练中的语料库精简，通过多代理协作提升问答任务性能。

Comments Biomedical Large Language Models, Agentic Corpus Distillation, Synthetic Question-Answer Generation, Agentic AI, Knowledge Hierarchy Guidance

Exploration of Augmentation Strategies in Multi-modal Retrieval-Augmented Generation for the Biomedical Domain: A Case Study Evaluating Question Answering in Glycobiology

多模态检索增强生成在生物医学领域中的增强策略探索：一项评估糖生物学问答的案例研究

Primož Kocbek, Azra Frkatović-Hodžić, Dora Lalić, Vivian Hui, Gordan Lauc, Gregor Štiglic

机构 * University of Maribor, Faculty of Health Sciences（莫拉维亚大学健康科学学院） ； University of Ljubljana, Medical Factory（卢布尔雅那大学医疗工厂） ； Genos Ltd（基因公司） ； Center for Smart Health, School of Nursing The Hong Kong Polytechnic University（智能健康中心护理学院香港理工大学） ； University of Zagreb, Faculty of Pharmacy（扎格雷布大学药学院） ； Usher Institute University of Edinburgh（埃德蒙顿大学usher研究所） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 本文研究了多模态检索增强生成在生物医学领域中的增强策略，通过实验发现多模态转换和视觉检索在不同模型中均能提升问答准确率。

Comments Will be published in IEEE BigData 2025 proceedings. Contains 10 pages, 1 figure, 5 tables