团队发布结构化临床记忆增强决策模型合成评测

Jash Sayani 等作者发布预印本，测试在已有病例摘要之外，再向概率决策模型提供结构化临床记忆能否改善其回答。他们构建了覆盖 12 个临床领域的 30 个全合成病例，并让模型回答 120 道带类型标注的问题：加入记忆后，准确率从 90.0% 升至 93.3%，选择对数损失从 0.258 降至 0.175。 代价方面，每次调用平均多消耗 310 个 token，平均延迟仍约 0.5 秒。 作者称，该结果只是方向性积极，尚不构成临床验证，因为病例为合成数据、标签为单人判断、所用记忆是理想上限，并非从生产流程中提取的输出。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。