هوش مصنوعی
پژوهش: تکرار تشخیص‌های ویزیت قبلی از بیشتر روش‌های مبتنی بر مدل زبانی بهتر عمل می‌کند
پژوهشگران برای ارزیابی پیش‌بینی تشخیص در مراجعهٔ بعدی، چارچوبی فراتر از معیارهای کلی پیشنهاد کرده‌اند؛ چکیدهٔ مقاله می‌گوید یک روش ساده در مقایسهٔ کلی از بیشتر رویکردهای مبتنی بر مدل زبانی بهتر بوده است.
پژوهشی تازه در arXiv ارزیابی پیش‌بینی تشخیص‌های ثبت‌شده در مراجعهٔ بعدی بیمار را از چند زاویه بررسی می‌کند. به‌گفتهٔ نویسندگان، معیارهای تجمیعی رایج تفاوت‌های مهم این مسئله را پنهان می‌کنند: مدل باید با تعداد متغیر تشخیص‌ها و برچسب‌های کم‌تکرار کنار بیاید، تشخیص‌های پایدار را از موارد تازه‌ثبت‌شده و عودکرده جدا کند و تأثیر عمق سابقهٔ مشاهده‌شده را در نظر بگیرد.
پژوهشگران چارچوب ارزیابی خود را برای مقایسهٔ روش‌های قاعده‌محور، پرامپت‌دهی به مدل‌های زبانی بزرگ، بازیابی اطلاعات، حافظه و رویکردهای چندعاملی به کار برده‌اند. چکیدهٔ مقاله می‌گوید روش «تکرار ویزیت قبلی» در ارزیابی کلی از بیشتر روش‌های مبتنی بر مدل زبانی بهتر عمل کرده است؛ اما متن در دسترس دربارهٔ جزئیات نتایج یا استثناهای این مقایسه اطلاعات بیشتری نمی‌دهد. مقاله در نسخهٔ پیش‌چاپ منتشر شده است.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده