C-MIG: Guadagno Informativo Multi-Vista per il Ragionamento Diagnostico Clinico con RAG

Un team di ricercatori ha introdotto C-MIG, un framework per la generazione aumentata da recupero basata sul guadagno informativo multi-vista, volto a migliorare il ragionamento diagnostico clinico. Gli attuali approcci RAG che utilizzano l'apprendimento per rinforzo si basano su ricompense binarie di corrispondenza esatta, portando a due problemi principali: i passaggi semanticamente rilevanti ma non letterali non ottengono ricompense, e le ricompense unidimensionali non riescono a gestire ragionamenti diversificati. C-MIG valuta il guadagno informativo attraverso due prospettive complementari—documenti recuperati e raffinamento dei documenti—utilizzando un modello di riferimento fisso per guidare sia il recupero che il raffinamento. Inoltre, presenta una strategia per l'aumento del recupero con multi-sottoquery, affrontando efficacemente i problemi legati alla perdita del segnale di ricompensa e all'assegnazione del credito nei compiti di ragionamento clinico.