标签
ResearchStudio-Idea 是一个技能套件，结合了文献搜索、新颖性检查和模式引导生成，能够产生可追溯的研究提案，该套件基于对1,947篇机器学习会议论文的分析构建而成。
Data2Story 是一个多智能体框架，能够将数据集转化为可验证的多模态故事，充当端到端的数据记者，具备证据支撑和多模态生成能力。
介绍 EHRNote-ChatQA，这是一个基于证据、覆盖多份出院小结的多轮临床问答基准，经专家验证构建。对 22 个大语言模型的基准测试揭示了在证据溯源和多轮错误累积方面的挑战。
本文介绍了 FullCite，一个用于生成结构化内联引用的框架，该框架能将每个声明同时链接到其源文档和具体的证据跨度。在三个问答基准（ASQA、BioASQ、ExpertQA）上评估后发现，虽然 LLM 在文档级归因方面表现良好，但在精确的证据跨度识别上仍有困难。
MedicalBench是一个新的基准测试，用于评估大型语言模型从电子健康记录中提取医学概念的能力，重点关注隐含推理和证据支撑。它包含823个专家标注的示例，并显示当前模型表现一般，突显了提取隐含表述的医学概念的难度。
本文提出了一种并行分块处理长文档的框架，利用LLMs减少累积偏差并提高证据可追溯性，显著降低了遗漏错误和无依据主张。