생물의학적 가설 생성 시스템의 설명 가능성 방법을 소개합니다. 새로운 가설 생성 컨텍스트 검색기 프레임워크를 기반으로 하며, 의미론적 그래프 기반 검색과 관련 데이터 제한적 학습을 결합하여 실제 발견 제약 조건을 시뮬레이션합니다. 검색 증강 생성을 통해 대규모 언어 모델(LLM)과 통합되어, 시스템은 출판된 과학 문헌을 사용하여 가설을 맥락적 증거와 함께 설명합니다. 또한 LLM 생성 설명의 결함 부분을 반복적으로 식별하고 수정하여 증거 경로와 지원 컨텍스트를 개선하는 새로운 피드백 루프 접근 방식을 제안합니다. 여러 대규모 언어 모델을 사용하여 방법의 성능을 입증하고, 전문가가 큐레이션한 평가와 대규모 자동 분석을 통해 설명 및 컨텍스트 검색 품질을 평가합니다.
