Japanese Medical Incident Dataset

基于标签的少样本学习提高了 LLM 在医疗事件分析中的准确性

研究人员开发了一种新方法，通过使用基于标签的示例选择进行少样本学习，来提高大型语言模型在医疗保健领域的准确性。该方法在日本医疗事件数据集上进行了测试，该数据集包含超过 3,800 份医疗事故和近乎事故的报告。使用 GPT-4o 和 LLaMA 3.3 进行的实验表明，与随机或基于相似性的选择相比，基于标签的策略显著提高了因果因素和预防措施生成的精确性和稳定性，减少了意外输出和安全过滤器激活。