PulseAugur
中
实时 10:09:07
English(EN) EpiNarrate: Agentic Generation of Grounded Narratives from Epidemiological Scenario Projections

新的具身化框架从复杂数据生成接地气的公共卫生叙事

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 EpiNarrate，一个旨在从复杂的流行病学预测中生成准确且易于理解的公共卫生叙事的具身化框架。该系统将数值推理与自然语言生成分开，组织多维数据并推导出一致的定量陈述。使用来自 COVID-19 情景建模中心的实验数据表明，与直接的 LLM 摘要相比，EpiNarrate 生成的叙事在事实接地性和流行病学模式覆盖范围方面有所改进。 AI

影响 该框架可以改善向公众和政策制定者传达复杂健康数据的沟通效果。

排序理由 该集群包含一篇详细介绍从复杂数据生成叙事新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的具身化框架从复杂数据生成接地气的公共卫生叙事

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Rituparna Datta, Srini Venkatramanan, Bryan L. Lewis, Yiqi Su, Harry Hochheiser, Lucie Contamin, Parantapa Bhattacharya, Naren Ramakrishnan, Anil Vullikanti ·

    EpiNarrate：从流行病学情景预测中生成基于事实的叙述的代理生成

    arXiv:2607.15544v1 Announce Type: new Abstract: Generation of clear and accessible public health narratives is critical for communicating complex epidemiological projections to policymakers and the general public at large. Such narratives require more than simply reporting number…

相关实体

相关话题