Alexander Fichtl M.Sc.
PulseAugur coverage of Alexander Fichtl M.Sc. — every cluster mentioning Alexander Fichtl M.Sc. across labs, papers, and developer communities, ranked by signal.
-
LLM系统性地从公司披露中绘制半导体供应链风险图
研究人员开发了一个端到端的系统，用于从半导体行业的公开公司披露中提取和优先排序风险情报。该流程利用大型语言模型（LLMs）识别和分类公司文件中描述的风险与机遇，并将它们组织成一个知识图谱。然后，该系统通过算法公式、LLM调整和专家验证的多层方法合并重复项并进行排名。该系统应用于五家半导体公司，生成了超过76,000个评分项，独立检查证实了其中92.6%的有效性。
-
新的MTDiag数据集评估LLM在多轮临床诊断中的表现
研究人员开发了MTDiag，这是一个新的多轮诊断对话数据集，旨在更好地评估大型语言模型（LLM）在临床环境中的表现。与静态基准测试不同，MTDiag通过从DDXPlus、MIMIC-IV和AJCR病例报告中提取数据，模拟了医疗诊断的交互式和渐进式性质。该数据集使用UMLS和ICD-10等医学知识库进行标准化，并包含一个用于生成自然语言语句的管道。该计划旨在评估LLM作为诊断代理的能力，超越简单的准确性，引入临床基础的指标来评估多轮鉴别诊断。
-
AI同行评审政策因领域而异；LLM在质量上存在偏见
一项新近发表在arXiv上的研究，调查了学术同行评审中AI的使用和监管情况。研究人员调查了111个AI/NLP会议和医学期刊的AI政策，发现这两个领域之间存在显著差异。该研究还评估了ICLR 2026和Nature Communications的AI生成评审，结果显示，尽管当前的LLM可以生成详细的评审，但它们常常表现出偏见，例如过度积极的推荐和泛泛的批评。作者主张对AI评审进行多维度评估，因为总体质量分数可能会产生误导。