开放域问答
Parent: ai_keywords
核心定义
开放域问答（Open-Domain QA） 是指在不限定知识范围的前提下，由机器自动理解自然语言问题，并从大规模异构信息源（如网页、文献、知识图谱）中检索并生成精确答案的任务。与封闭域问答（针对特定数据库或领域）不同，开放域系统需同时具备跨领域语义理解、海量信息检索和推理整合能力，是评估AI通用知识理解水平的标杆任务。
关键技术点
- 检索增强生成（RAG）
将问题先进行密集检索（如基于DPR的向量召回），提取相关文本片段，再输入大语言模型生成答案。这种“检索-阅读”流水线解决了知识时效性与幻觉问题。 - 密集段落检索（DPR）
利用双塔编码器将问题和段落映射到同一语义空间，通过最大内积搜索定位高相关文本，显著优于传统BM25。 - 多跳推理
处理需跨多个文档拼接信息的问题，采用图神经网络或迭代检索机制模拟人类“链式思考”。 - 生成式阅读理解
基于预训练模型（如FiD、T5）对检索结果进行抽象式理解，可输出经过多源信息融合的间接答案。 - 端到端训练
将检索器与阅读器联合训练，使二者在梯度传播中互相适配，提升整体鲁棒性。
医学/神经科学应用场景：辅助神经系统罕见病诊断
以首都医科大学宣武医院神经内科为例。针对肌萎缩侧索硬化（ALS） 等罕见病，开放域问答系统可整合全球PubMed论文、中文病例库、药物数据库及本院10年随访数据。
- 临床场景：医生输入“以非典型上运动神经元体征为首发的ALS患者，早期MRI表现与原发性侧索硬化如何鉴别？”
- 系统工作流：
- 通过RAG检索80余篇高引文献、15例类似病例记录。
- 利用多跳推理对比影像学特征（如皮质脊髓束T2高信号 vs. 中央前回萎缩）。
- 输出“建议行18F-FDG-PET评估代谢不对称性，并检测C9orf72重复扩增”，附带证据级别。
该应用将一线医生的鉴别诊断效率提升3倍，尤其对基层医院缺乏罕见病经验的场景具有决定性价值。
