一项发表在arXiv上的新研究探讨了如何改进大型语言模型（LLMs）以更好地识别和优先处理电子健康记录（EHRs）中的医学术语，以便患者理解。研究人员使用闭源和开源大型语言模型比较了各种提示技术、微调和数据增强策略。研究结果表明，虽然微调DeepSeek 8B和BioMistral 7B等开源模型可以产生强大的结果，但数据增强，特别是使用GPT-4o生成时，被证明同样有效甚至更有效，尤其是在资源匮乏的情况下。该研究强调了提示策略和数据质量对大型语言模型在临床术语提取方面性能的显著影响。 AI
影响 这项研究可能通过提高大型语言模型理解和简化复杂医学术语的能力，从而实现更易于患者理解的沟通。
排序理由 该集群包含一篇学术论文，详细介绍了改进大型语言模型在特定任务上的性能的研究。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
