arXiv cs.AI· Erwei Hou, Yue Hu·· 13 小时前AI 评分22
TCM-DiagCommit：基于 TCM-SD 的证据条件中医证候选择与承诺基准
TCM-DiagCommit: A TCM-SD-Derived Benchmark for Evidence-Conditioned Syndrome Selection and Commitment
AI 导读
研究者提出 TCM-DiagCommit 基准，从公开 TCM-SD/ZY-BERT 资源转化出 23,842 条任务行、覆盖 148 个证候标签，并设计 commit、acquire、defer、abstain 动作契约。
正文 · AI 翻译
摘要：中医（TCM）辨证通常被评估为在完整临床记录上进行静态最终标签选择。这种设置掩盖了三种诊断行为：模型是否能区分语义相近的证候标签与简单的随机干扰项，模型是否会随着证据字段的揭示而更新预测，以及模型是否应在不确定时做出承诺。我们提出了 TCM-DiagCommit，这是一个基于公开的 TCM-SD/ZY-BERT 资源构建的基准，同时保留其源证候标签；它将 1,834 个源病例转换为覆盖 148 个证候标签的 23,842 个任务行。该基准将随机、画像近邻和全词表候选阶梯与分阶段的 t1/t2/t3 证据相结合。它还包括固定标签的舌象/脉象扰动和证据不足变体。基准定义的动作契约对承诺、获取、推迟和弃权进行评分。在五次零样本 DirectLLM 校准中，random10 top-1 准确率为 63.2% 至 66.4%，但 hard20 降至 24.7% 至 30.3%，full148 降至 14.8% 至 22.3%；在 hard20 上，WT(all) 错误终端承诺仍为 62.2% 至 74.3%。这些结果表明，仅凭最终答案准确率不足以进行诊断基准评估：答案选择、证据使用和基准承诺评分应分别衡量。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.37243 [cs.AI] |
| （或 arXiv:2610.37243v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.37243 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yue Hu [查看电子邮件]
[v1]
2026年10月27日星期二 13:46:04 UTC（598 KB）
来源：arXiv cs.AI · arxiv.org