Grafo di Conoscenza Quantistico Migliora il QA Medico dei LLM Modellando il Contesto

Un nuovo Grafo di Conoscenza Quantistico (QKG) è stato sviluppato dai ricercatori per modellare la validità delle triplette come funzione dipendente dal contesto, superando un significativo svantaggio dei grafi di conoscenza tradizionali (KG) che assumono validità universale per ogni relazione. Questo QKG è stato applicato in campo medico attraverso un sottografo PrimeKG incentrato sul diabete, che include 68.651 relazioni sensibili al contesto, arricchite con vincoli specifici per diversi gruppi di pazienti. La metodologia è stata testata utilizzando un pipeline reasoner-validator per il question answering medico, impiegando un sottoinsieme basato su KG di MedReason composto da 2.788 domande. Utilizzando Haiku-4.5 sia come Reasoner che come Validator, la validazione supportata dal KG ha mostrato un miglioramento di +0,61 punti percentuali rispetto a una baseline senza validazione, con il QKG con corrispondenza di contesto che ha ottenuto il miglioramento più alto. I dettagli di questa ricerca sono disponibili nel preprint arXiv 2604.23972.