11:49
官方一手arXiv: DeepSeek@Zhaoyang Jiang, Zhizhong Fu, Yunsoo Kim, Zicheng Li, Xuanqi Peng, Fei Teng, Jiacong Mi, Honghan Wu
精选73°
推荐理由：研究将LLM与本体排序器融合，提升罕见病诊断准确率，同时保留可追溯的证据链。
融合模型
共 1 条相关 AI 资讯
9月3日
11:49
该研究提出了一种行为融合模型，结合大语言模型和本体排序器进行罕见病诊断。在Phenopacket Store和RAMEDIS数据集上，融合方法将Phenomizer Recall@1分别提升7.86和20.18个百分点。当与DeepSeek-V4-Flash API结合时，融合模型将Recall@1从0.1657提升至0.2176，提升5.19个百分点，无需重新训练。90.8%的正确融合诊断保留了可检查的本体证据。