全部 AI 动态 · AI 热点

arXiv: OpenAI@Lingyao Li, Deyi Li, Chen Chen, Renkai Ma, Runlong Yu, Mingquan Lin, Rui Yin, Lizhou Fan, Cathy Shyr, Siyuan Ma, Mei Liu, Steven Bethard

精选

这篇综述系统分析了 LLM-as-a-Judge 在医疗领域的应用现状，涵盖临床决策支持、自然语言处理、医学问答和医疗沟通等场景。研究检索了 2023 年 1 月至 2026 年 2 月的 541 篇文献，最终纳入 134 项研究。OpenAI 模型是最常用的评判者，提示工程几乎出现在所有研究中，集成、多智能体和检索增强设计是常见扩展。在报告人类验证的研究中，LLM 评判者与专家判断呈现中等到强对齐，但可靠性因任务而异。该综述认为 LLM-as-a-Judge 是可扩展的医疗 AI 评估框架，但其临床价值取决于模型设计和严格验证。

论文 LLM-as-a-Judge 医疗AI 评估框架临床决策支持人类对齐

推荐理由：医疗 AI 评估一直缺乏规模化手段，这篇综述系统梳理了 LLM-as-a-Judge 在临床场景的落地情况，做医疗 AI 开发或评估的团队可以快速了解当前方法的有效性和局限。

原文

5月25日

11:17

arXiv cs.AI@Jorge Chang Ortega, Bastien Le Lan, Thomas Serre, Victor Boutin

精选

一项新研究通过联合能量模型（JEM）在固定架构中连续插值判别式和生成式训练，发现人类视觉对齐在两者之间的中间点达到最优，而非任一极端。研究在六个基准测试（包括感知相似性、光泽感知、人类响应不确定性、鲁棒性、形状-纹理冲突和诊断特征归因）上验证了这一结论。混合JEM结合了判别式学习的类别结构和生成式学习对输入结构的敏感性，产生了更接近人类视觉的行为。这表明，理解人类视觉对齐的关键不是选择哪种学习目标，而是平衡两者。

论文视觉模型生成式学习判别式学习人类对齐联合能量模型

推荐理由：这项研究解决了计算机视觉中一个长期争论：人类视觉更接近生成式还是判别式模型？答案是两者平衡。对视觉AI研究者和模型设计者来说，这是一个值得关注的结论，建议在模型训练中尝试混合目标。

原文