小型语言模型通过对话式AI简化日常症状追踪

研究人员开发了一种名为“Scale-to-Dialogue”的新方法，该方法利用小型语言模型高效收集每日经前症状评分。该方法将对话式管理视为一个序数标签恢复问题，系统在此过程中引导症状集群并将响应映射到严重程度标签。使用mcPHASES数据集，采用了ModernBERT证据门和Qwen2.5-1.5B-Instruct模型，在显著减少提问数量的同时，实现了与原始严重程度量表的高度一致性。 AI

影响 这项研究展示了一种使用LLM收集健康数据的更有效方法，有可能提高临床研究中的患者参与度和数据准确性。

排序理由 学术论文，详细介绍了一种新方法和模型应用。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• Hugging Face
• mcPHASES
• ModernBERT
• Qwen2.5-1.5B-Instruct
• Scale-to-Dialogue
• small language model

• 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 →