研究人员开发了一个框架，使小型语言模型能够自主生成和优化提示，以从牙科记录中提取隐私敏感的临床信息。该研究评估了几种开源模型，其中 Qwen2.5-14B-Instruct 和 Llama-3.1-8B-Instruct 在直接偏好优化后表现强劲。这种方法表明，自动提示工程和轻量级后期训练可以使用本地的小型语言模型实现有效的临床信息提取。 AI
影响 展示了一种使用更小、可本地部署的模型来改进临床数据提取的方法，从而可能增强隐私和可访问性。
排序理由 学术论文，详细介绍了小型语言模型在临床信息提取方面的新框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.04221v1 Announce Type: new Abstract: Clinical named entity recognition from dental progress notes is challenging because documentation is highly unstructured, domain-specific, and often privacy-sensitive. We developed a locally deployable framework that enables small l…
Clinical named entity recognition from dental progress notes is challenging because documentation is highly unstructured, domain-specific, and often privacy-sensitive. We developed a locally deployable framework that enables small language models to self-generate, verify, refine,…