arXiv · cs.AI · Jash Sayani, Gaurang Karwande, Achinth Bharadwaj · 3 小时前模型评分26
研究用结构化临床记忆为概率决策模型提供上下文，Jev 合成评测准确率升至 93.3%
Structured Clinical Memory as Context for Probabilistic Decision Models: A Synthetic Evaluation with Jev
导读
研究团队构建 30 个覆盖 12 个临床领域的全合成病例，用 Jev 评测 120 道带类型标注的问题，在原始病例摘要之外加入结构化临床记忆后，准确率从 90.0% 升至 93.3%，选择对数损失从 0.258 降至 0.175。每次调用平均多消耗 310 个 token，平均延迟仍约 0.5 秒。作者强调病例为合成数据、标签为单人判断、记忆为理想上限，结果仅方向性积极，尚不构成临床验证。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：医疗与生命科学
事件类型：研究发布
证据摘录
- “We study whether a compact structured memory can improve a probabilistic decision model's answers when the underlying patient vignette is already available.”
- “These results are directionally positive rather than clinically validating: the cases are synthetic, the labels are single-author judgments, and the memory is an oracle upper bound rather than extracted production output.”
来源：arXiv · cs.AI · arxiv.org