arXiv cs.AI· Yunpeng Xiao, Yuzhang Xie, Junhao Huang, Carl Yang, Xiao Hu, Kai Shu·· 10 小时前AI 评分29
基于判别性证据的决策：面向医疗推理的差异化证据框架
Decisions by Discrimination: Differential Evidence for Medical Reasoning
AI 导读
研究者提出一种面向医疗多选题的检索式差异化证据框架，针对每个选项提取专属的判别性证据并组织成简洁的证据提示词用于答案选择，在多个数据集和多个目标 LLM 上取得一致的准确率提升。消融实验显示，该框架优于直接使用检索证据片段和闭源 LLM 生成的通用提示，且提升并非仅由答案邻近性引导解释。该工作已被 AACL 2026 主会接收。
正文 · AI 翻译
摘要：大语言模型（LLM）在临床决策支持方面的研究日益增多，而医学问答为评估这一能力提供了测试平台。特别是，医学多项选择题（MCQ）反映了临床决策中的一个核心挑战：看似合理的选项往往共享重叠的证据，而只有少数决定性因素能将正确选项与错误选项区分开来。然而，现有的基于检索和面向推理的方法主要侧重于提供广泛相关的知识或引出推理路径，而非识别出区分易混淆选项的紧凑鉴别证据。在本工作中，我们提出了一种基于检索的鉴别证据框架，用于医学多项选择题。我们的方法提取选项特定的鉴别证据片段，并将其组织为简洁的证据提示，用于答案选择。这一设计更好地将外部知识与鉴别推理对齐，同时减少了无关上下文。实验表明，在多个数据集和目标 LLM 上均取得了持续的准确率提升。消融研究进一步表明，我们的框架优于直接使用检索到的证据块以及闭源 LLM 生成的通用提示，并且其改进不能仅由答案邻近性引导来解释，而是与鉴别证据作为对竞争性选项进行推理的紧凑辅助手段相一致。我们的发现也为医学推理以及其他具有多个可能选项的决策场景提供了启示。
| 评论： | 已被 AACL 2026（主会）接收 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2611.13233 [cs.AI] |
| （或 arXiv:2611.13233v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.13233 由 DataCite 颁发的 arXiv DOI（待注册） |
|
| 期刊 参考： | Proceedings of AACL-IJCNLP 2026 (Volume 1: Long Papers), pp. 5589-5603, 2026 |
提交历史
来自：Yunpeng Xiao [查看电子邮件]
[v1]
2026年11月9日星期一 21:02:23 UTC（306 KB）
来源：arXiv cs.AI · arxiv.org