AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：SPACE标签×
6月16日
20:46
6月12日
12:57
6月11日
15:28
15:23
15:07
6月2日
12:06
12:06arXiv: DeepSeek@Md Motaleb Hossen Manik, Ge Wang
HypothesisMed 是一个针对生物医学多项选择题的推理时可靠性管道，通过结合直接提示、思维链、HypothesisMed-v3 提示和答案融合来提升模型输出的可解析性和可靠性。它引入 SPACE 标签（有效、不完整、矛盾）标记答案空间，并提供置信度信息。在 MedQA、MedMCQA 和 PubMedQA 上对 Qwen2.5-7B、Phi-4-mini、DeepSeek-R1-32B 和 BioMistral-7B 的评估显示，该管道在加权准确率上优于各模型的最佳基线，同时提高了解析覆盖率和 SPACE 覆盖率。例如，Phi-4-mini 的准确率从 0.4296 提升至 0.5192。但 SPACE 压力测试表明答案空间诊断仍具挑战，Qwen2.5-7B 的 SPACE 准确率仅为 0.3074。该工作的主要贡献不是追求通用 SOTA，而是提供了一个可复现的推理时框架，用于在结构化可靠性约束下评估生物医学问答模型。
论文生物医学问答推理时可靠性答案融合SPACE标签模型评估
推荐理由：生物医学问答领域终于有了一个关注可靠性而非单纯准确率的实用框架——HypothesisMed 让模型输出可解析、可审计，做医疗 AI 或临床决策支持的团队可以直接用这套管道评估自己的模型，避免模型自信犯错。
原文