본 논문은 제로샷 의료 추론에서 대형 언어 모델(LLM)의 성능 향상을 위해 프롬프트 기반 방법의 한계점(얕고 불안정함, 분포 변화에 대한 일반화 성능 저하, 미지의 임상 시나리오에 대한 적응성 부족)을 해결하는 새로운 테스트 시간 프레임워크인 TAGS를 제시합니다. TAGS는 일반적인 능력을 가진 일반 모델과 특정 영역 전문 모델을 결합하여 상호 보완적인 관점을 제공하며, 모델 미세 조정이나 파라미터 업데이트 없이 동작합니다. 계층적 검색 메커니즘과 신뢰성 평가 모듈을 통해 다중 스케일 예시를 제공하고 추론 일관성을 평가하여 최종 답변을 종합합니다. MedQA 벤치마크 9개에서 GPT-4o 정확도를 13.8%, DeepSeek-R1을 16.8% 향상시키고, 일반적인 7B 모델의 정확도를 14.1%에서 23.9%로 향상시키는 등, 여러 미세 조정된 의료 LLM을 능가하는 성능을 보였습니다. 코드는 깃허브에서 공개될 예정입니다.
