Hugging Face Daily Papers· Heyuan Huang·· 24 天前AI 评分31
基于检索的开放式评估在哪里失效？从长文本医学答案事实性验证自动归纳分类体系
Where Does Retrieval-Based Open-Ended Evaluation Fail? Automatic Taxonomy Induction from Long-Form Medical Answer Factuality Verification
AI 导读
针对基于检索的医学事实性评估，研究提出两套分类体系，用于定位 LLM 生成医学答案在事实核查中的失效位置与原因。现有系统多用 F1 等聚合指标衡量性能，掩盖了失败发生的具体环节，而既有 RAG 诊断方法依赖标准答案或标注证据，在该场景下并不存在。
来源：Hugging Face Daily Papers · huggingface.co