Hybrid-IR：双路径混合检索结合迭代推理，提升复杂医学问答性能

大型语言模型在生物医学领域展现潜力的同时，仍面临幻觉与知识过时的挑战。检索增强生成技术虽能引入外部文档缓解问题，但现有方法大多依赖单一路径检索，难以同时保留细粒度语义信息与结构化全局关联，且静态检索策略不足以支持复杂医学问答所需的深度推理。

为此，研究团队提出名为Hybrid-IR的双路径检索框架，创新性地融合图检索与密集检索：图检索擅长探索结构化知识关联，密集检索则专注于细粒度语义匹配。该框架还引入迭代式“检索-推理”循环机制，使推理轨迹能够随检索结果动态优化。

实验在三个主流医学问答基准上进行验证，结果表明Hybrid-IR能显著提升复杂医学问题的回答准确性。该方法为医疗AI领域提供了兼顾知识广度与推理深度的新思路，尤其适用于需要整合多源碎片化知识的临床决策场景。未来工作可探索将该框架扩展至更广泛的专业垂直领域。