IA e os Problemas Difíceis do Mundo · Medicina e descoberta de medicamentos · Nature (computational biology) · 2026-10-26
Framework híbrido de recuperação e verificação para reduzir alucinações em LLMs médicos
Título original: Hybrid retrieval–verification framework for hallucination reduction in medical LLMs
Modelos de linguagem de grande porte usados em ambientes clínicos podem produzir respostas que não são respaldadas por evidências, o que traz riscos à segurança. Os autores propõem o CARE-Med, um framework que combina recuperação densa, verificadores de inferência de linguagem natural e pontuação de confiança, e o testam nos conjuntos MIMIC-III, PubMedQA e BioASQ. A taxa de respostas sem respaldo, medida por NLI, caiu de 32% em um LLM de referência para 10%, e de 21% com RAG convencional para 10%.