研究人员开发了一种名为跨度为中心的学习（SCL）的新训练框架，以提高大型语言模型（LLM）在临床文档中分配国际疾病分类（ICD）代码的准确性。该方法侧重于训练LLM识别局部文本跨度中的证据，这比标注整个文档更具可扩展性。SCL增强了LLM在跨度级别的推理能力，并将此能力转移到文档级别的编码中，从而以更低的训练成本显著提高了准确性。 AI
影响 引入了一种更具可扩展性的方法，用于在临床数据上训练LLM，有可能提高诊断编码的准确性和可审计性。
排序理由 这是一篇详细介绍LLM新训练框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
