主要来源arXiv: OpenAI
查看原文事件专题 ·官方一手
arXiv论文:用LLM加RAG估算美国医院门诊就诊价格
arXiv上发布的一项研究提出用LLM结合RAG框架,从医院价格透明度(PT)文件中估算门诊就诊价格,数据来自马里兰州及周边三家大型医院。研究对比了BM25、OpenAI embedding模型和GPT-BM25混合检索器,并设置无RAG基线作为参照。 结果显示GPT-BM25检索器表现最好:单个诊疗项目的平均价格MAPE为19.44%,诊疗项目组为4.90%,而无RAG基线分别高达147.98%和82.82%。在基于症状的就诊费用模拟中,该框架约50%的参考项目识别正确,并在三家医院中的两家降低了相对LLM-only基线的误差。研究也指出实际难点:PT文件格式不统一、存在无说明的重复条目、保险公司协商费率数据有限。
当前结论
医疗账单看不懂、比价难的问题,这篇论文用GPT加BM25混合检索直接从医院公布的价目表算价格,单项误差降到19%左右,比不用RAG的版本低了一个数量级。做RAG落地的开发者可以看看它的失败案例分析。
6 个信源31° AI 热度最后更新 2026/11/15 21:36:53
证据链
6 个信源冲突核查
现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。