BioCreative IX MedHopQA 赛道概述：多跳医学问答系统的赛道描述、参与情况及评估

多跳问答是生物医学领域的重大挑战，需整合多源信息以回答复杂问题。BioCreative IX MedHopQA 共享任务旨在基准测试大语言模型的多跳推理能力。本研究构建了包含 1000 个高难度问答对的新数据集，涵盖疾病、基因和化学物质，特别关注罕见病，每个问题均需通过整合两个不同维基百科页面的信息进行两跳推理。评测结果显示，检索增强生成（RAG）策略对提升性能至关重要，顶级系统在概念准确率上显著优于零样本基线。该数据集已公开，以推动该领域持续进步。