arXiv cs.CL· Tirana Noor Fatyanosa, Ummu Ditya Erliana, Mahendra Data, Muhammad Nurwegiono, Eleazar Tadeo Eman, Alham Fikri Aji·· 12 小时前AI 评分18
IndoNutriQA：印尼语临床营养问答基准发布
IndoNutriQA: An Indonesian Clinical Nutrition Question Answering Benchmark
AI 导读
研究团队构建了 IndoNutriQA，一个由专家整理的印尼语临床营养问答基准，包含 911 个问答对，全部基于真实临床营养报告。数据集覆盖遵循营养护理流程（NCP）的 8 种标准化问题类型，答案由营养师撰写的自由文本构成，专家验证发现 6-10% 的参考答案存在争议。
正文 · AI 翻译
摘要：临床问答（QA）是临床智能决策支持系统的基础，但对于印度尼西亚语等低资源语言，由于缺乏公开的领域特定数据，其进展受到严重限制。我们推出 IndoNutriQA，这是一个由专家精心整理的印度尼西亚语临床问答基准，包含 911 个问答对，均构建自真实的临床营养报告。它并非大规模训练语料，而是定位为高质量的评估资源：每一对问答都基于临床相关上下文，并配有结构化元数据（人体测量评估、医学诊断、文档来源、分块切分）。每份报告均由一名研究生水平的营养学实习生撰写，并由三名营养师之一回答遵循营养护理流程（NCP）的八种标准化问题类型，包括问题、病因、体征和症状（PES）诊断陈述。答案采用自由形式的临床叙述，而非抽取式片段，一项专家验证研究发现 6-10% 的参考答案存在争议。该数据集支持生成式、抽取式和检索增强式问答，以及零样本和少样本 LLM 评估。我们报告了经过微调的基线模型（IndoBERT 变体、mT5、RAG），采用 5 折交叉验证、学习曲线和 bootstrap 95% 置信区间，并对八个当代 LLM 进行了零样本和五样本基准测试。我们进一步以三名专家评分者（一名注册营养师、两名营养师）为参照校准了我们的 LLM 作为评判者的评分标准，发现其在事实性和完整性上可与人类媲美，但在临床安全性上不可靠，并且一项人工错误分析显示，它遗漏了评分者识别出的无支持内容。IndoNutriQA 已发布，以促进印度尼西亚语临床 NLP 和营养决策支持的研究。
| 评论： | 26 页（9 页正文，另加局限性、伦理、参考文献和附录），5 幅图，18 张表。正在 EACL 审稿中。数据和代码：此 https URL |
| 主题： | 计算与语言（cs.CL） |
| ACM 分类： | I.2.7; J.3 |
| 引用为： | arXiv:2610.31256 [cs.CL] |
| （或 arXiv:2610.31256v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.31256 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Tirana Noor Fatyanosa [查看电子邮件]
[v1]
2026 年 10 月 22 日星期四 13:34:29 UTC（150 KB）
来源：arXiv cs.CL · arxiv.org