WWW 2026 最佳长文奖颁给医学问答论文，人大腾讯提出知识需求驱动框架
MedRGAG 通过知识需求驱动，先诊断缺什么知识，再协同检索与生成，提升医学问答可靠性。
大模型做医学问答时，检索可能漏关键知识，模型记忆又可能不准，两者冲突时该信谁？人大和腾讯的 MedRGAG 不直接回答信谁，而是先诊断回答缺什么知识，再让检索和生成协同补上缺口，最后选出最有效的证据组合。这种方法在医学高压场景下显著提升答案可靠性。
正文摘录
.jpg) 迪拜当地时间 2026 年 7 月 3 日，The ACM Web Conference 2026（WWW 2026）在线上闭幕式上揭晓本届 Best Paper Awards。其中，唯一最佳长文奖授予了一篇看起来很「垂直」的工作：一篇关于 医学问答 的论文。  一篇医学 QA 论文，凭什么在面向 Web、搜索、数据挖掘与 AI 的通用舞台上拿到最佳长文？答案恰恰在于，它讨论的不是一个只属于医学的问题： 当外部检索不完整、模型记忆不可靠，二者又可能相互冲突时， 问题并不是简单地「信谁」，而是大模型到底该如何围绕问题需求组织知识。 在医学场景里，这个问题会被放大到极致：检索少一条关键证据，模型可能无法排除干扰诊断；生成多一句不实背景知识，又可能把推理带向错误方向。也正因如此，医学 QA 成了检验大模型能否可靠组织知识的高压考场。