MedJudgeRAG: Grafi di Conoscenza Dinamici per il Medical MCQA

Un nuovo framework chiamato MedJudgeRAG migliora il questionario a risposta multipla in ambito medico (MCQA) costruendo dinamicamente grafi di conoscenza a partire da documenti recuperati. A differenza del Retrieval-Augmented Generation (RAG) standard, che utilizza indiscriminatamente tutto il testo recuperato, MedJudgeRAG costruisce un grafo di conoscenza dinamico di entità e relazioni. Per ogni opzione di risposta, il modello valuta le prove sia dai documenti che dal grafo, quindi seleziona una strategia di utilizzo della conoscenza per ragionare verso la risposta corretta. Il sistema viene addestrato tramite fine-tuning supervisionato su tracce di ragionamento strutturate generate da un modello linguistico insegnante, utilizzando una loss di entropia incrociata pesata che differenzialmente pesa il grafo di conoscenza e i segmenti di ragionamento. Esperimenti su due benchmark di MCQA medico mostrano prestazioni costantemente superiori rispetto al RAG standard. L'articolo è pubblicato su arXiv con ID 2607.24838.