RASC+

RASC+ 方法通过大语言模型裁决改进临床值集编纂

一篇新研究论文介绍了 RASC+，一种使用大语言模型（LLMs）改进临床值集编纂的方法。研究发现，一个两阶段的方法，其中初始检索系统识别候选代码，然后受约束的 LLM 裁决选择，其性能显著优于直接 LLM 生成。该方法在一个大型数据集上进行了测试，显示 F1 分数有显著提高，尤其是在使用 GPT-5 进行裁决时，同时保持了使用可审计候选池的关键安全约束。