PulseAugur
中
实时 04:01:08
English(EN) From Prompt Optimization to Multi-Dimensional Credibility Evaluation: Enhancing Trustworthiness of Chinese LLM-Generated Liver MRI Reports -- with Preliminary Extension to Lung Cancer

AI模型在生成放射学报告可信度方面接受评估

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个多维度可信度评估（MDCA）框架，用于评估AI生成的放射学报告的可信度。该研究侧重于提升大模型生成的肝脏MRI报告，并探索了提示优化技术。使用SiliconFlow平台评估了几种先进的大模型，包括Kimi-K2-Instruct-0905、Qwen3-235B-A22B-Instruct-2507、DeepSeek-V3和ByteDance-Seed-OSS-36B-Instruct。 AI

影响 建立了一个评估AI生成医疗报告的框架，有望提高诊断准确性并增强医疗领域对AI工具的信任。

排序理由 该集群包含一篇详细介绍新框架和现有模型评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Qiuli Wang, Xinhuang Sun, Yonglin Chen, Jie Cheng, Yongxu Liu, Xingpeng Zhang, Xiaoming Li, Wei Chen ·

    从提示词优化到多维度可信度评估：提升中文大模型生成肝脏MRI报告的可信度——并初步扩展至肺癌

    arXiv:2510.23008v3 Announce Type: replace Abstract: Large language models (LLMs) have demonstrated promising performance in generating diagnostic conclusions from imaging findings, thereby supporting radiology reporting, trainee education, and quality control. However, systematic…

相关实体

相关话题