future querying

研究表明大型语言模型有潜力成为隐式医学世界模型

研究人员引入了一个名为“未来查询”的新颖框架，以评估大型语言模型（LLM）是否能充当隐式医学世界模型。该方法通过使用非结构化临床文档来评估LLM回答关于患者未来的时间索引临床查询的能力。该方法采用终点无关的训练，允许单个模型解决各种临床问题，而无需手动特征工程或重新训练。初步结果表明，即使是较小的、本地微调的开放权重模型也能与较大的专有系统相媲美，这表明了隐私保护、本地部署的潜力。