研究人员开发了 CRAFT，一个新颖的 LLM 框架，旨在改进临床叙述中的时间推理。该系统通过将生成器与基于约束的验证器配对，迭代地改进症状时间线，解决了患者报告中稀疏时间锚点的挑战。CRAFT 在 MedTempo 上进行了评估，MedTempo 是一个包含超过 5,000 份 COVID-19 疫苗不良事件叙述的新基准数据集，在各种 LLM 主干模型上都显示出时间排序准确性的一致性提高。 AI
影响 该框架可以通过更好地从临床文本中提取时间信息来提高疾病监测和因果关系评估的准确性。
排序理由 该集群描述了一篇新的研究论文，其中详细介绍了一个用于临床叙述中时间推理的新颖 LLM 框架。
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2608.12779v1 Announce Type: cross Abstract: Understanding the temporal progression of symptoms in clinical narratives is critical for disease monitoring, safety surveillance, and causality assessment. Clinical narratives, however, rarely provide explicit temporal anchors. C…
Understanding the temporal progression of symptoms in clinical narratives is critical for disease monitoring, safety surveillance, and causality assessment. Clinical narratives, however, rarely provide explicit temporal anchors. Current approaches to temporal information reasonin…