研究考察LLM对纵向病历的长上下文问答能力
热点事件观察中
研究考察LLM对纵向病历的长上下文问答能力
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Feras AlMannaa等作者提交论文,系统考察大语言模型对纵向患者电子健康记录的长上下文理解能力。研究覆盖多个数据集、模型和指标,问答形式包括抽取式、多项选择与开放式生成,并比较不同上下文构造方式与检索增强生成(RAG)设置下的表现。 论文摘要未给出具体性能结论,因此尚无法判断模型在临床问答中的实际准确率或RAG是否带来提升。
AI 根据报道生成 · 1 天前更新
最新进展11月16日 13:00
研究 LLM 在临床问答中的长上下文理解能力报道时间线
沿着报道,了解事件的不同侧面。
11月16日
- arXiv cs.CL研究 LLM 在临床问答中的长上下文理解能力
一项覆盖多数据集、多模型与多指标的研究系统考察了 LLM 对纵向患者电子健康记录(EHR)的长上下文理解能力,涵盖抽取式、多项选择与开放式生成问答,并对比不同上下文构造与 RAG 设置。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 811月16日 22:00
- 近 24 小时变化
- -51%
02468
11月17日06:0012:0018:0011月18日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。