新的ClinPRISM框架增强了大型语言模型对临床时间序列数据的问答能力

研究人员开发了ClinPRISM，一个旨在利用多模态大型语言模型提高对不规则临床时间序列数据进行问答能力的新框架。该框架解决了临床观察中固有的稀疏性和异步采样等挑战。ClinPRISM采用一种不规则感知编码器和一种时间证据蒸馏器来高效处理时间序列数据，将其压缩成大型语言模型兼容的标记。该系统使用一个40亿参数的大型语言模型实现了最先进的性能，展示了快速的推理时间和最少数量的时间序列标记的使用。 AI

影响 通过改进对复杂临床数据的分析，增强了大型语言模型在医疗保健应用中的能力。

排序理由 该集群包含一篇研究论文，详细介绍了用于大型语言模型在临床时间序列数据上进行推理的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• ClinPRISM
• DagsHub
• Gotit.pub
• Hugging Face
• ScienceCast

• 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 →