Event ·Official first-hand

arXiv论文:用LLM加RAG估算美国医院门诊就诊价格

arXiv上发布的一项研究提出用LLM结合RAG框架,从医院价格透明度(PT)文件中估算门诊就诊价格,数据来自马里兰州及周边三家大型医院。研究对比了BM25、OpenAI embedding模型和GPT-BM25混合检索器,并设置无RAG基线作为参照。 结果显示GPT-BM25检索器表现最好:单个诊疗项目的平均价格MAPE为19.44%,诊疗项目组为4.90%,而无RAG基线分别高达147.98%和82.82%。在基于症状的就诊费用模拟中,该框架约50%的参考项目识别正确,并在三家医院中的两家降低了相对LLM-only基线的误差。研究也指出实际难点:PT文件格式不统一、存在无说明的重复条目、保险公司协商费率数据有限。

Current read

医疗账单看不懂、比价难的问题,这篇论文用GPT加BM25混合检索直接从医院公布的价目表算价格,单项误差降到19%左右,比不用RAG的版本低了一个数量级。做RAG落地的开发者可以看看它的失败案例分析。

6 sources31° AI heatLast updated 2026/11/15 21:36:53

Evidence

6 sources
Primary sourcearXiv: OpenAI
View source
Related source 3Greg Brockman
View source

Conflict check

Dedup data only shows that these sources discuss the same event, not that they agree. There is no structured supporting or refuting evidence yet, so no conflict is inferred automatically.