arXiv cs.CL· Bo Liu, Lianyu Wang, Meng Wang, Ching-Yu Cheng, Huazhu Fu·· 12 小时前AI 评分34
RetiJev：快速且来源可溯的眼科决策模型
RetiJev: Fast and Source-Grounded Ophthalmic Decision Models
AI 导读
RetiJev 团队提出 0.8B-9B 的眼科决策模型系列，直接对候选答案打分、不做自回归解码，在指南分级任务上比 27B LLM 和商用 Jev 1.13 决策模型高 10.4-23.0 分。
正文 · AI 翻译
摘要：眼科临床决策支持需要快速、准确且保护隐私的推理，然而自回归大语言模型（LLM）在预定义动作之间做决策时会产生大量延迟和计算开销。因此，我们研究一种面向决策的生成式推理替代方案。具体而言，我们首先引入 RetiJev-Data，这是一个有来源依据的眼科语料库，包含 78,158 个临床决策与诊断问题（源自 PubMed Central 中的文章和覆盖 531 种眼病的 MeSH 词表），以及 50,074 个指南分级问题（涵盖 11 种分级体系），并附带一个包含 24,662 个问题的评估基准。在此基础上，我们开发了 RetiJev，这是一系列 0.8B-9B 的决策模型，无需自回归解码即可直接对候选答案打分。在所有模型规模上，RetiJev 在指南分级任务上均优于 27B LLM 和商用 Jev 1.13 决策模型 10.4-23.0 分。RetiJev-9B 进一步在临床决策上取得最高准确率，较两个基线提升 5.4-6.5 分，同时在诊断任务上与二者持平。它在单块 GPU 上回答一个病例仅需 158 毫秒，比 LLM 生成快 3.5 倍，比推理快 470 倍。模型发布于 此 https URL。
| 学科： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.30947 [cs.CL] |
| （或 arXiv:2610.30947v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.30947 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Bo Liu [查看邮箱]
[v1]
2026年10月22日星期四 08:59:47 UTC（851 KB）
来源：arXiv cs.CL · arxiv.org