LLM在医疗模式合规性方面存在困难，但验证-修复框架提高了准确性

一项新近发表在arXiv上的研究，评估了三种开源大型语言模型——Qwen2.5 7B、Llama 3.1 8B和Gemma2 9B——在医疗互操作性场景下的模式合规性。研究发现，所有模型在模式合规性方面均存在不一致，基线合规率在85.9%至91.6%之间。大多数错误是格式违规，表明其缺乏对医疗IT标准的认识，而非根本性的临床推理缺陷。一个闭环验证-修复框架成功地将整体合规性提高到99.0%，证明了其作为临床系统集成安全保障的有效性。 AI

影响 强调了在医疗互操作性等关键领域，需要专门的框架来确保LLM的可靠性。

排序理由 学术论文，详细介绍了关于LLM性能的研究和提出的框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• Hugging Face
• ICD-10
• Llama 3.1 8B
• Qwen2.5 7B

• 论文
• 模型发布

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