两阶段LLM框架自动发现手术反馈评分标准
热点事件持续更新
两阶段LLM框架自动发现手术反馈评分标准
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Rafal Kocielnik 等作者提出一个两阶段 LLM 框架，用于评估外科手术带教反馈的质量。该框架先用多实例提示反复独立采样候选标准并整合，结合外科领域知识，自动发现 Encouragement、Urgency、Clarity 等可解释的反馈质量评分标准；再由 LLM-as-a-judge 对术中反馈打分。 在 4.2k 条带教反馈实例上，作者报告 AI 发现的标准在预测反馈有效性（包括学员行为调整与带教者认可）上优于以往基于内容的框架。
AI 根据报道生成 · 2 小时前更新
最新进展11月4日 13:00
多实例 LLM 框架用于评估外科手术反馈质量报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv cs.CL多实例 LLM 框架用于评估外科手术反馈质量
研究提出一个两阶段 LLM 框架，通过多实例提示反复独立采样候选标准并整合，结合外科领域知识注入，自动发现 Encouragement、Urgency、Clarity 等可解释的反馈质量评分标准，再用 LLM-as-a-judge 对术中反馈打分。在 4.2k 条带教反馈实例上，AI 发现的标准在预测反馈有效性（包括学员行为调整与带教者认可）上优于以往基于内容的框架。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。