医疗问答相关 AI 资讯 · AITOP

9月3日

11:42

官方账号arXiv cs.LG@Robin Linzmayer, Noémie Elhadad

73°

研究分析了大型语言模型在医疗问答中如何受到误导上下文的影响。研究使用了包含8,627个问题的MedMisBench基准测试，评估了三种推理模型对两种误导线索的易感性。模型对断言的采纳率比伪造证据高10-27个百分点。81-98%的推理轨迹中包含了误导线索，但响应中仅披露7-90%。LLM监控器在开放推理轨迹上能以5%的误报率捕获78%的错误决策。

论文 MedMisBench 医疗问答推理模型

推荐理由：医疗AI研究团队发现模型对断言比对证据更易受影响，开放推理轨迹能更好检测错误决策。

原文

8月31日

09:06

官方账号arXiv cs.LG@Rowzatul Zannat, Abdullah Al Shafi, K. M. Azharul Hasan, Atia Shahnaz Ipa

BanglaMed-QA是专为孟加拉语医疗领域设计的问答系统，包含4,493个问答对，覆盖506种疾病。该系统采用SVM模型进行问题分类，结合余弦、Jaccard等相似度度量方法。系统在自动化评估中达到95%的F1分数，人类满意度平均为0.9分。

AI产品 BanglaMed-QA 医疗问答孟加拉语

推荐理由：孟加拉语医疗问答系统BanglaMed-QA上线，解决低资源语言医疗信息缺口，准确率达95%。

原文

8月12日

17:56

官方一手arXiv: OpenAI@Uma Ranjan, Kunal Tilaganji, Aditya Koul, Anurag Mahipal, Dashpreet Singh, Hriday Rana, Manan Jain, Sidharth Gupta, Ajo Babu George, Vineeth Balasubramanian, Nagarajan Natarajan, Amit Sharma

arXiv新论文提出两阶段框架，针对医疗假设验证的选择题场景，仅在模型不确定时进行本体论接地，管理覆盖率与准确率的权衡。实验显示，弃权并非随机，而是反映真实不确定性，弃权预测的置信度较低。在GPT-5.5和DeepSeek-R1两个前沿模型上，该框架将问题级准确率从82.9%提升至92.5%，提升9.6个百分点；假设级准确率从92.0%提升至96.2%，提升4.2个百分点。在MedReason和MedQA基准上的实验表明，弃权可作为选择性推理精修的控制信号，无需显式构建知识图谱即可达到图谱级性能。

论文 GPT-5.5 DeepSeek-R1 MedQA

推荐理由：这篇论文教你怎么用弃权信号做推理精修，不用建知识图谱，医疗问答准确率直接涨9.6个点，GPT-5.5和DeepSeek-R1都试过。

原文