热点事件观察中

保留UID的临床时间线重建与GAVEL评审方法

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Sayantan Kumar 等作者提出一种保留 UID 的临床时间线重建方法：为每个抽取事件分配与来源文本片段绑定的持久唯一标识，并联合修正事件时间估计。在 40 份临床医生标注的出院小结上，该流程在相同骨干模型下比 LLM-Timeline 和 TKW2 找回更多参考事件；作者称，对 GLM-5.2 而言，加入结构化证据提升了时间戳一致性，且事件召回基本不变。上述比较与效果均来自该研究的评估。

AI 根据报道生成 · 10 小时前更新

最新进展11月14日 13:00

基于 UID 保留的多模态重建与来源溯源裁决：将临床事件锚定在时间线上

报道时间线

沿着报道，了解事件的不同侧面。

11月14日

13:00
arXiv cs.AI
基于 UID 保留的多模态重建与来源溯源裁决：将临床事件锚定在时间线上
研究者提出一种保留 UID 的临床时间线重建方法，为每个抽取事件分配与来源文本片段绑定的持久唯一标识，并联合修正事件时间估计。在 40 份临床医生标注的出院小结上，该流程在相同骨干模型下比 LLM-Timeline 和 TKW2 找回更多参考事件；对 GLM-5.2 而言，加入结构化证据提升了时间戳一致性且事件召回基本不变。

本事件热度走势

可比范围当前: 5
可比范围峰值: 711月15日 04:00
近 24 小时变化: –

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。