Dec, 2023

使用 GPT-4 提示确定文章是否包含支持或反驳变异致病性的功能证据

PDF
TL;DRGPT-4 的设置和提示能够以很高的敏感性和阳性预测值检测具有功能性证据的文章，并能够对明确支持良性或致病分类的文章进行分类，但在中间或不确定证据的文章中敏感性较低。
generative pre-trained transformergpt-4classificationfunctional evidencevariant pathogenicity
发现论文，激发创造
  • GPT-4 在需要高度专业领域知识的文本数据分析任务中的支持能力？

    本文评估了生成式预训练转换 (GPT-4) 对高度专业领域的文本数据分析任务的能力，特别关注分析法院裁决以解释法律概念的任务。我们发现，在注释指南的提示下，GPT-4 的表现与经过良好培训的法律学生注释器相当。我们发现，虽然性能略有下降，但 GPT-4 可以进行批量预测，从而降低成本。然而，采用连贯思维提示并没有在此任务上明显提高性能。此外，我们演示了如何分析 GPT-4 的预测，以识别和减轻注释指南的缺陷，进而提高模型的性能。最后，我们观察到该模型非常脆弱，因为提示中的小型格式相关更改对预测结果影响很大。这些发现可被从事高度专业领域任务的文本语义 / 语用注释的研究人员和实践者利用。

    Jun, 2023

  • GPT 模型对于表型概念识别的评估

    临床深度表型化和本体概念建模在罕见疾病患者的诊断和护理协调计划中起着重要作用。本研究使用大型语言模型评估了最新的生成预训练变压器模型在临床深度表型化的性能，结果表明这些模型在临床环境中的使用存在问题。

    Sep, 2023

  • GPT-4 技术报告

    本文介绍了 GPT-4，一种大规模、多模态模型，可接受图像输入和文本输入，并产生文本输出。通过预先训练，优化方法和改进后的对齐过程，GPT-4 表现出人类水平的性能。

    Mar, 2023

  • 挑战性医疗案例中的视觉与语言模型准确度

    基于本研究的结果，利用大规模通用语言模型结合图像能够有效应对复杂医学病例，但图像的添加可能降低模型的准确性。

    Nov, 2023

  • 利用 GPT-4 增强医学文本评估

    在医学文本生成的评估中，我们提出了一套以事实为核心的评估方面，并设计了相应的基于 GPT-4 的医学文本生成评估指标，与现有指标相比，该方法具有更高的人类判断一致性。

    Nov, 2023

  • GPT-4V 中提升医疗任务性能：关于提示工程策略的综合研究

    GPT-4V 的医学应用能力及改进方法的研究

    Dec, 2023

  • 使用 GPT-3 对医学证据进行总结、简化和综合（成功率不同）

    本文使用专业医学人士对 GPT-3 生成的医学文章摘要进行了评估，发现 GPT-3 虽然能够忠实地总结和简化单篇生物医学文章，但在多篇文章发现的证据综合方面存在困难。

    May, 2023

  • 通用基础模型能否超越专用调优？以医学为例的研究案例

    通过对 GPT-4 的提示工程进行系统性探索，我们发现启示创新可以释放更深层次的专家能力，并且证明了 GPT-4 在医学基准测试中轻松超越了先前的主要结果。使用 Medprompt，GPT-4 在 MultiMedQA 套件的九个基准数据集上取得了最先进的结果。

    Nov, 2023

  • 使用预训练的生成转换器（GPT-3）作为即插即用的感应模型用于医学图像分析的 GPT4MIA

    本研究提出了一种新的方法（称为 GPT4MIA），利用生成预训练变压器（GPT）作为医学图像分析（MIA）的即插即用传递推理工具，在理论分析上，我们开发了多个技术处理，以提高 GPT4MIA 的效率和有效性，包括更好的提示结构设计、样本选择和代表性样本 / 特征的提示排序，并提供了两个具体的用例（带工作流程），以在与图像分类的成熟模型（例如 ResNet）协同工作的情况下检测预测错误并提高预测准确度。

    Feb, 2023

  • 利用 GPT-4 增强不平衡数据进行自动评分

    通过利用 GPT-4 生成大型语言模型来进行文本数据增强，以解决在自动评分中存在的不均衡数据集的挑战。研究结果表明，GPT-4 增强评分模型在精确度、召回率和 F1 分数方面明显改善，并且对于稳定改善自动评分所需的增强数据比例存在差异。与其他学生编写的响应相比，GPT-4 增强评分模型显示出更好的性能，从而强调了利用生成型大型语言模型进行数据增强技术在自动评估中的潜力和有效性。

    Oct, 2023