AI Healthcare | 大模型能否胜任临床诊断任务? 交互式医学诊断仿真和评测

文章预览

近年来，机器学习在各个领域展现出了惊人的性能表现，然而，获取高质量的大规模标注数据在实际应用中往往困难重重。本文介绍了一个应对这一挑战的通用框架—— 从弱监督中学习的通用框架（GLWS） 。本文由来自卡耐基梅隆大学、微软研究院、新加坡科技设计大学等机构的研究人员共同完成，展示了一种通过期望最大化（EM）算法学习来自各种弱监督源的通用方法，在十几个弱监督问题中显著提升了模型的可扩展性和性能。 论文标题： AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator  论文链接： https://arxiv.org/abs/2402.09742 代码链接： https://github.com/LibertFan/AI_Hospital 一、研究背景 近年来，人工智能在医疗保健领域取得了显著进展，特别是大语言模型（LLMs）在多个医学问答数据集上中展现出与人类专家相媲美的卓越表现 ………………………………