English(EN) Detecting Spin in Clinical Trials with Large Language Models

LLM用于检测临床试验中的“包装”，表现优于基线模型

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-09 04:00

研究人员开发了一个使用大型语言模型（LLM）的系统，用于自动检测临床试验报告中的“包装”，特别是关注结果的变更。该系统通过提示工程和基于token概率的分类，在测试集上达到了0.78的F1分数和0.90的准确率。虽然其表现优于基线文本相似性模型，但未能达到微调BERT模型的性能。LLM还被用于生成检测到的“包装”实例的解释。 AI

影响这项研究展示了LLM在确保医学研究报告的透明度和准确性方面的新颖应用。

排序理由学术论文，详细介绍了使用LLM检测临床试验中“包装”的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 15 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了使用LLM检测临床试验中“包装”的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Tja\v{s} Ajdovec, Marko Robnik-\v{S}ikonja, Simon \v{S}uster · 2026-10-09 04:00

利用大型语言模型检测临床试验中的操纵性言论

arXiv:2610.11845v1 Announce Type: new Abstract: Spin in clinical trials includes reporting practices that distort the presentation of results. This is particularly critical in medicine, where spin is present in more than 50% of randomized controlled trials that fail to reach stat…

本文如何被排名

报道来源 [1]

利用大型语言模型检测临床试验中的操纵性言论

相关实体

相关话题