CRISS：辅助肿瘤登记员的检索增强AI聊天机器人

研究者开发了面向肿瘤登记员的检索增强生成对话助手 CRISS，其知识库来自国家肿瘤登记标准，经元数据标注切分并做稠密向量索引，再由大语言模型生成带引用的回答。研究用 LLM-as-a-Judge 在易、中、难三档登记问题上评估 Gemini 与 GPT 系列的开源、专有及非 RAG 基线模型。RAG 配置一致优于非 RAG，且难度越高差距越明显。

此前该场景主要依赖人工查阅频繁更新的编码与分期标准，或使用不带检索的通用模型回答，容易缺乏出处。该研究把回答质量按难度分层比较，并引入引用支撑与人工最终审核，说明在专业登记流程中 RAG 相对非 RAG 的差距会随问题变难而扩大。

机制是把领域标准切分为带元数据的段落，用稠密向量检索相关片段，再让 LLM 基于检索内容生成带引用的回答，从而把生成约束在可追溯的原文证据上。评估用 LLM-as-a-Judge 给出 grounding 分数与语义相似度，因此比较的是证据落地程度而非单纯答案流畅度。

对产品与研发的直接影响是：专业问答类工具应优先建设结构化、带元数据并可引用的领域知识库，而非仅靠提示词；在困难问题上本地开源 RAG 模型表现更好，专有模型更谨慎，选型需按任务难度与成本分层设计，并保留人工对最终登记判定的审核。

• 为肿瘤登记或类似合规场景搭建带引用出处的 RAG 问答助手，并把答案链接回标准原文段落。
• 按问题难度混合部署本地开源模型与专有模型，在成本与困难问题准确率之间做分层路由。
• 加入 LLM-as-a-Judge 自动化评测流程，用 grounding 分数持续监控检索与回答质量。
• 将系统定位为培训与帮助台工具，明确最终登记判定仍由人工负责。

• CRISS 的知识库规模、更新频率与具体登记标准覆盖范围未在证据中说明。
• 评估所用问题数量、评分者模型及人工核验方式未给出，结果稳健性待确认。
• 系统在真实登记工作流中的部署效果与登记员实际采纳情况未被验证。
• 引用支撑是否真正降低登记错误率，证据中未提供相关指标。