Heidi
PulseAugur coverage of Heidi — every cluster mentioning Heidi across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
Fireworks AI 使专业模型超越前沿 AI
由 12 人组成的 tryheidi 团队使用 Fireworks AI 的平台微调了 Nvidia 的 Nemotron 3 Ultra 模型。在与驱动 Heidi Evidence 的前沿模型进行的临床医生比较中，由此产生的专业模型取得了 54% 的胜率，证明了专业智能相对于通用前沿模型的有效性。
-
已识别出四类健康AI，每类都有独特的工程挑战
一位构建健康AI应用程序的AI工程师确定了四类不同的健康AI产品，每类都有独特的工程挑战和故障模式。这些类别包括记录患者就诊的辅助记录仪、为临床医生提供引用信息的问答引擎、总结患者记录的图表助手以及提供健康信息的患者助手。该工程师强调了为特定故障模式进行设计和实施严格检查的重要性，而不是依赖于一般的安全措施。
-
AI代理的有效性取决于上下文工程，而非模型选择
Sterling Chin，一位应用AI工程师，强调了AI代理的上下文工程的重要性，特别是使用Claude Code。他开发了一个名为Marvin的代理，该代理严重依赖于包含自定义命令、markdown和bash脚本的启动文件，而不仅仅是模型选择。该文件充当系统提示，定义代理的身份、优先级、工具和限制。Chin发现，通过精心制作此文件，包括为个人设定特定角色以及精确链接到工作上下文，他可以指导Marvin的行为并防止常见错误，例如误解…
-
Fireworks推出训练API和Lab，支持自定义模型开发
Fireworks 推出了其训练API和Fireworks Lab，为训练和部署自定义AI模型提供专业基础设施。训练API提供Serverless和Dedicated两种计算模式，以满足不同速度和控制需求。Fireworks Lab允许公司嵌入Fireworks的研究人员和工程师共同设计或构建模型，早期采用者包括Cursor、Harvey和Figma。
-
Fireworks AI 微调Heidi模型，在质量和速度上超越Gemini Pro
Fireworks AI开发了一个名为Heidi的微调开放模型，据报道其在质量上超越了Gemini Pro，并且推理速度显著更快。该团队仅用四周时间就完成了从概念验证到生产的转变，旨在减少对外部AI模型的依赖。
-
Heidi x Fireworks AI：开源模型在临床笔记方面超越Gemini Pro
AI记录公司Heidi已与Fireworks AI合作，以增强其临床笔记生成能力。通过在Fireworks平台上对开源模型进行微调，Heidi实现了优于Google的Gemini Flash的性能，并优于Gemini Pro模型。此次合作将延迟时间从25秒显著缩短至7秒，并降低了成本，使Heidi能够从闭源模型转向开源模型，以获得更大的控制力和效率。
-
由于行政负担加重，人工智能在医疗保健临床医生中的采用激增 · 跟踪 1 个来源
最近的一项调查表明，人工智能正成为医疗保健的标准工具，86% 的临床医生每天或每周使用几次，主要目的是应对日益增长的行政负担和记录挑战。尽管广泛采用，但大多数临床医生 (83%) 未收到雇主关于人工智能使用的指导，68% 的受访者仍然对准确性表示担忧。然而，据报道，大多数患者对人工智能在其护理中的应用持开放态度，许多临床医生认为人工智能使他们的职业生涯更易于管理并支持更好的患者随访。
-
AI误将患者在GP手术记录中的“否”解读为否认
一位用户对全科医生办公室使用的AI系统表示担忧，该系统将对健康问题的简单“否”误解为“否认”。“否认”一词暗示指控或不实之处的细微差别在AI的摘要中丢失了，这凸显了AI在敏感的患者互动中应用可能存在的问题。用户认为手动记录会保留原意。