急診檢傷不是診斷疾病,而是在有限時間內判斷病患接受處置的先後順序。本系列將使用 Kaggle 公開的韓國急診檢傷與急迫度分級量表(Korean Triage and Acuity Scale, KTAS)資料,從 1,267 筆急診紀錄出發,逐步完成資料清理、公開知識庫、檢索增強生成(Retrieval-Augmented Generation, RAG)、門控、重排序與模型評估。我們不只比較準確率,也會分析檢傷不足、檢傷過度、少數高急迫案例與結果的不確定性,打造一套可重現、可解釋且清楚標示限制的急診檢傷 Side Project。
Day 20 已經能把九筆公開知識排出順序,但排序第一名仍不是答案。真正的檢索增強生成系統還要把取回內容交給生成模型,限制模型只能依證據作答,最後保存「取回了什...
Day 21 已完成平面式檢索增強生成(Flat Retrieval-Augmented Generation, Flat RAG):九筆公開知識都在同一層,每...
Day 22 把九筆公開知識整理成三個父層,完成 Parent Top-2 再 Child Top-3 的階層式檢索增強生成(Retrieval-Augment...