大型语言模型在识别失语症评估的话语单元方面显示出潜力

一篇新的研究论文探讨了使用指令微调的大型语言模型（LLMs）对失语症话语中的正确信息单元（CIUs）进行分类。研究发现，虽然零样本提示不足，但少样本提示显著提高了 Llama 3.1:8b、qwen2.5:7b 和 mistral:7b 等模型的性能，取得了与人类标注者相当的结果。然而，大型语言模型显示出高召回率但较低的精确率，表明它们倾向于过度分类代币为 CIUs，并且性能随失语症的严重程度而变化。 AI

影响 大型语言模型提示显示出在失语症评估中自动识别 CIUs 的潜力，提供了一种人工辅助的解决方案。

排序理由 一篇发表在 arXiv 上的研究论文，详细介绍了大型语言模型在特定语言任务上的表现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• aphasia
• Cat Rescue
• Cohen's kappa
• Correct Information Units
• Llama 3.1:8b
• mistral:7b
• Nicholas and Brookshire
• Phi-3 Mini
• qwen2.5:7b

• 论文
• 模型发布

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