• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Retrieval-augmented generation versus document-grounded generation: a key distinction in large language models.

作者信息

Koga Shunsuke, Ono Daisuke, Obstfeld Amrom

机构信息

Department of Pathology and Laboratory Medicine, Hospital of the University of Pennsylvania, Philadelphia, PA, USA.

出版信息

J Pathol Clin Res. 2025 Jan;11(1):e70014. doi: 10.1002/2056-4538.70014.

DOI:10.1002/2056-4538.70014
PMID:39817433
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC11736412/
Abstract
摘要

相似文献

1
Retrieval-augmented generation versus document-grounded generation: a key distinction in large language models.检索增强生成与基于文档的生成：大语言模型中的一个关键区别。
J Pathol Clin Res. 2025 Jan;11(1):e70014. doi: 10.1002/2056-4538.70014.
2
Authors' reply: Re: Koga et al. Retrieval-augmented generation versus document-grounded generation: a key distinction in large language models.作者回复：关于Koga等人的文章《检索增强生成与基于文档的生成：大语言模型中的关键区别》
J Pathol Clin Res. 2025 Jan;11(1):e70013. doi: 10.1002/2056-4538.70013.
3
From RAGs to riches: Utilizing large language models to write documents for clinical trials.从随机对照试验到成功：利用大语言模型撰写临床试验文档。
Clin Trials. 2025 Feb 27:17407745251320806. doi: 10.1177/17407745251320806.
4
Retrieval augmentation of large language models for lay language generation.大语言模型的检索增强用于生成通俗语言。
J Biomed Inform. 2024 Jan;149:104580. doi: 10.1016/j.jbi.2023.104580. Epub 2023 Dec 30.
5
Automating pharmacovigilance evidence generation: using large language models to produce context-aware structured query language.实现药物警戒证据生成自动化：利用大语言模型生成情境感知结构化查询语言。
JAMIA Open. 2025 Feb 8;8(1):ooaf003. doi: 10.1093/jamiaopen/ooaf003. eCollection 2025 Feb.
6
RAMIE: retrieval-augmented multi-task information extraction with large language models on dietary supplements.RAMIE：基于大语言模型的膳食补充剂检索增强多任务信息提取
J Am Med Inform Assoc. 2025 Mar 1;32(3):545-554. doi: 10.1093/jamia/ocaf002.
7
Empowering large language models for automated clinical assessment with generation-augmented retrieval and hierarchical chain-of-thought.通过生成增强检索和分层思维链赋能大型语言模型进行自动化临床评估。
Artif Intell Med. 2025 Apr;162:103078. doi: 10.1016/j.artmed.2025.103078. Epub 2025 Feb 12.
8
Improving large language model applications in biomedicine with retrieval-augmented generation: a systematic review, meta-analysis, and clinical development guidelines.利用检索增强生成改进生物医学中的大语言模型应用：一项系统综述、荟萃分析和临床开发指南
J Am Med Inform Assoc. 2025 Apr 1;32(4):605-615. doi: 10.1093/jamia/ocaf008.
9
Enhancing Large Language Model Reliability: Minimizing Hallucinations with Dual Retrieval-Augmented Generation Based on the Latest Diabetes Guidelines.提高大语言模型的可靠性：基于最新糖尿病指南，通过双检索增强生成最小化幻觉
J Pers Med. 2024 Nov 30;14(12):1131. doi: 10.3390/jpm14121131.
10
BiomedRAG: A retrieval augmented large language model for biomedicine.BiomedRAG：一种用于生物医学的检索增强大语言模型。
J Biomed Inform. 2025 Feb;162:104769. doi: 10.1016/j.jbi.2024.104769. Epub 2025 Jan 13.

引用本文的文献

1
Authors' reply: Re: Koga et al. Retrieval-augmented generation versus document-grounded generation: a key distinction in large language models.作者回复：关于Koga等人的文章《检索增强生成与基于文档的生成：大语言模型中的关键区别》
J Pathol Clin Res. 2025 Jan;11(1):e70013. doi: 10.1002/2056-4538.70013.

本文引用的文献

1
Large language models as a diagnostic support tool in neuropathology.大语言模型在神经病理学中的诊断支持工具。
J Pathol Clin Res. 2024 Nov;10(6):e70009. doi: 10.1002/2056-4538.70009.
2
Evaluating the efficacy of few-shot learning for GPT-4Vision in neurodegenerative disease histopathology: A comparative analysis with convolutional neural network model.评估 GPT-4Vision 在神经退行性疾病组织病理学中少样本学习的效果：与卷积神经网络模型的比较分析。
Neuropathol Appl Neurobiol. 2024 Aug;50(4):e12997. doi: 10.1111/nan.12997.
3
From text to image: challenges in integrating vision into ChatGPT for medical image interpretation.从文本到图像：将视觉融入ChatGPT进行医学图像解读面临的挑战。
Neural Regen Res. 2025 Feb 1;20(2):487-488. doi: 10.4103/NRR.NRR-D-24-00165. Epub 2024 Apr 3.