摘要
本文提出 HypothesisMed，一种用于生物医学多项选择题的推理时可靠性流水线。该方法结合直接生成、思维链及特定提示策略，通过答案融合选择最终结果，并利用 SPACE 标签标记答案空间状态（有效、不完整或矛盾）。实验表明，该框架在提升解析率和结构化覆盖率的同时，显著降低了模型的错误确信度。研究强调答案准确性、可解析性与校准行为是分离的能力，提供了一个可复现的评估框架，用于在结构化可靠性约束下审计生物医学问答模型。
AI 推荐理由
论文核心涉及思维链推理与答案融合机制，旨在提升生物医学问答中的推理可靠性与结构化输出能力。
研究机构
Department of Computer Science, Rensselaer Polytechnic Institute, Troy, NY, USA
Department of Biomedical Engineering, Rensselaer Polytechnic Institute, Troy, NY, USA
论文信息