medical question-answering | BriefGPT

关键词medical question-answering

搜索结果 - 11

MedExQA：具备多重解释的医学问答基准
本研究介绍了 MedExQA，这是一个用于评估大型语言模型对医学知识的理解能力的新型基准，通过构建涵盖五个不同医学专业的数据集，并且为每个问题 - 答案对提供多个解释，填补了当前医学问答基准的一个重要空白，即缺乏模型生成细致医学解释的全面评
PDF17 days ago
MedFuzz: 大型语言模型在医学问答中的鲁棒性探索
使用对抗性方法 MedFuzz 对医学问题回答基准中的模型进行干扰，通过修改问题来迷惑大型语言模型 (Large Language Models, LLM)，检验其在违反基准假设时的性能泛化情况，并通过置换检验技术确保成功攻击的统计显著性。
PDF24 days ago
MediFact 参加 MEDIQA-M3G 2024：多模态学习在皮肤科医学问答中的应用
本研究提出了一种弱监督学习方法，通过使用 MEDIQA-M3G 图像的 VGG16-CNN-SVM 模型，并通过多模态融合将视觉和文本信息联系起来，解决了传统方法在开放式医疗问答中的局限性，进一步促进了医学问答研究的发展，为临床决策支持系统
PDF2 months ago
词序熵：面向自由形式医学问答应用及其他领域的不确定性估计
我们提出了一种 Word-Sequence Entropy (WSE) 的方法，用于在医学问答任务中对不确定性进行量化，通过语义相关性在词和序列级别上校准不确定性比例，在不需额外的任务特定微调或架构修改的情况下，通过 WSE 识别低不确定性
PDF4 months ago
BioMistral: 面向医学领域的一组开源的预训练大型语言模型
BioMistral 是一个开源的、专门针对生物医学领域的大型语言模型，通过基于 Mistral 模型并在 PubMed Central 上进行进一步预训练来实现。我们在包含 10 个既定医疗问答任务的基准测试上对 BioMistral 进
PDF4 months ago
借助具备检索增强功能的大型语言模型改进医学推理
自主生物文档检索增强式生成（Self-BioRAG）是一种可靠的生物医学文本生成解释、检索特定领域文档，并进行自我反思的框架。通过使用 84k 个过滤后的生物医学指令集训练 Self-BioRAG，它可以使用定制的反思标记评估其生成的解释。
PDF5 months ago
PEFT-MedAware: 医疗意识的大型语言模型
利用参数高效微调（PEFT）技术，本研究提出了一种专用的 PEFT-MedAware 模型，使用 16,407 个医学问答对的特定数据对 Falcon-1b 大型语言模型进行优化，仅利用其 0.44% 的可训练参数，提高计算效率。该模型通过
PDF7 months ago
在医疗领域中提高大型语言模型中的事实准确性的 UMLS 增强框架
我们的研究开发了一个基于统一医学语言系统（UMLS）的增强型大型语言模型（LLMs）框架，通过自动和医师评估等方法，实验证明了该框架有效地提高了生成内容的准确性、完整性和相关性，同时突出了大型语言模型在医学问答中的潜在应用价值。
PDF9 months ago
为临床任务对齐大型语言模型
大型语言模型在临床应用中的关键性挑战是对其进行有效的对齐，以实现准确生成具备事实内容和非平凡推理能力的响应。本研究提出了一种名为 “扩展 - 猜测 - 精化” 的医学问题回答的对齐策略，该策略通过采用指令调整和少样本以及连续思考等方法显著提
PDF10 months ago
基于 GPT-3 的医疗会话代理的挑战
使用 GPT-3 模型进行医疗问题回答（MedQA）存在挑战和风险，分析表明 LLMs 对高风险的查询无法适当回应，生成错误的医疗信息、不安全的建议和可能被视为冒犯的内容。
PDF10 months ago
通过生成性数据增强提高特定领域问答小语言模型的效果：Dr. LLaMA
介绍了 Dr. LLaMA，这是一种通过使用大型语言模型进行生成式数据增强来改善小型语言模型的方法，主要关注医学问答任务和 PubMedQA 数据集。研究表明，LLMs 可以有效地改善和多样化问题 - 答案对，从而在微调后使得规模更小的模型
PDFa year ago