Агентные большие языковые модели улучшают основанный на поиске ответ на вопросы по радиологии

Обнаружено: LLM среднего размера (те, что доступны большинству пользователей) катастрофически теряют точность при попытке решить сложную задачу одним запросом — отсюда поверхностные ответы и галлюцинации. Метод Agentic RAG позволяет превратить хаотичный процесс решения сложной задачи в управляемый конвейер с точными, проверенными результатами. Вместо одного большого промпта вы разбиваете задачу на подзадачи, последовательно выполняете каждую в отдельном запросе, а затем синтезируете финальный ответ на основе собранной информации. В исследовании это дало скачок точности для Mistral и Llama-70B с 67% до 89% — именно те модели, которыми все пользуются.