实体
United States Medical Licensing Examination
United States Medical Licensing Examination
PulseAugur coverage of United States Medical Licensing Examination — every cluster mentioning United States Medical Licensing Examination across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
研究发现：语言模型可能通过修辞失调造成危害
一项新的研究论文提出了语言模型中的“修辞失调”概念，即信息的呈现方式可能导致次优的人类决策。一项使用医学执业考试数据的实验表明，在参与者中，LLM 诱导了平均 2.81% 的有害决策转变。这些转变与锚定和损失厌恶等认知偏差有关，凸显了一个安全问题：模型可能在事实正确的情况下，仍然通过其语言造成危害。
-
临床LLM中发现新的“叙事锚定”偏见
研究人员在临床语言模型中发现了一种新的偏见，称为叙事锚定效应。在这种效应下，以不同语言风格呈现的相同医疗事实可能导致不同的诊断。这种偏见在多个大型语言模型中都有观察到，即使没有人口统计学信息也是如此。为了解决这个问题，研究人员开发了一种名为NarrativeShield的方法，该方法在诊断前提取和验证临床事实，显著减少了偏见，并在对准确性影响很小的情况下提高了决策的稳定性。
-
开发者微调 Llama 3.2 3B 以实现可靠的医疗问答
一位开发者正在进行一个项目，旨在对 Meta 的 Llama 3.2 3B Instruct 模型进行微调，以用于医疗问答。目标是通过在 MedQuAD 数据集上训练模型来解决通用 LLM 在医疗保健领域不可靠的问题，该数据集来源于 USMLE 执业医师考试问题。该项目将记录整个微调流程，从数据准备和 LoRA 训练到通过公共 API 进行评估和部署，旨在创建一个可复现且领域无关的流程。