CaseGPT: a case reasoning framework based on language models and retrieval-augmented generation

本文介绍了CaseGPT，这是一种创新的方法，将大型语言模型（LLMs）和检索增强生成（RAG）技术相结合，以增强医疗和法律领域的基于案例的推理。该系统通过基于不精确描述的模糊搜索，解决了传统数据库查询的挑战，从而提高了数据的可搜索性和可用性。CaseGPT不仅检索相关案例数据，而且基于现有案例数据中发现的模式生成有见地的建议和推荐。这种功能在医学诊断、法律先例研究和案例策略制定等任务中尤为有价值。本文深入讨论了该系统的方法论、在医学和法律领域的性能以及其未来应用的潜力。我们的实验表明，与传统基于关键字和简单LLM的系统相比，CaseGPT在精确度、召回率和效率方面表现显著优异。

论文旨在通过结合大型语言模型（LLMs）和检索增强生成（RAG）技术，增强医疗和法律领域的基于案例的推理。该系统通过允许基于不精确描述的模糊搜索，解决了传统数据库查询的挑战，从而提高了数据的可搜索性和可用性。

CaseGPT不仅检索相关案例数据，而且根据现有案例数据中发现的模式生成有见地的建议和推荐。这种功能对于医疗诊断、法律先例研究和案件策略制定等任务尤其有价值。

论文介绍了系统的方法论、在医疗和法律领域的性能以及未来应用的潜力。实验结果表明，CaseGPT在精确度、召回率和效率方面显著优于传统基于关键字和简单LLM的系统。

最近的相关研究包括T5和GShard等大型语言模型的改进，以及在医疗和法律领域的案例推理方面的其他尝试，如基于知识图谱的方法和深度强化学习方法。