الأبحاث المرتبطة بالكلمة المفتاحية: الإجابة على الأسئلة الطبية
-
تأثير الإشارات السلطوية والذاتية على موثوقية نماذج اللغة الكبيرة للاستفسارات السريرية: دراسة تجريبية Impact of authoritative and subjective cues on large language model reliability for clinical inquiries: an experimental study
2026 | المؤلف: Yu Chang وآخرون | المجلة: Scientific Reports | المجال: المعلوماتية الصحية (Health Informatics)تبحث هذه الدراسة في تأثير المعلومات المضللة الذاتية والسلطوية في مطالبات المستخدمين على دقة نماذج اللغة الكبيرة (LLMs) عند معالجة سؤال سريري يتعلق بخط علاج الأريبيبرازول. شملت الدراسة خمسة نماذج LLM رائدة تستجيب للسؤال تحت ثلاثة ظروف مختلفة من المطالبات: محايدة، ذاكرة “استرجاع ذاتي” غير صحيحة، وبيانات سلطوية غير صحيحة. تم اختبار كل نموذج عشر…
-
PsychiatryBench: معيار متعدد المهام لنماذج اللغة الكبيرة في الطب النفسي PsychiatryBench: a multi-task benchmark for LLMs in psychiatry
2026 | المؤلف: Aya E. Fouda وآخرون | المجلة: npj Digital Medicine | المجال: المعلوماتية الصحية (Health Informatics)تقدم هذه القسم نظرة عامة على البحث حول تعزيز الممارسة النفسية من خلال نماذج اللغة الكبيرة (LLMs). يبرز القيود المفروضة على موارد التقييم الحالية، التي تعتمد بشكل أساسي على مجموعات بيانات المقابلات السريرية الصغيرة، محتوى وسائل التواصل الاجتماعي، أو الحوارات الاصطناعية، مما يفتقر إلى الصلاحية السريرية ويفشل في تضمين تعقيدات التفكير التشخيصي. لمعالجة هذه النواقص،…
-
استرجاع وتصنيف مزدوج لنموذج اللغة الطبية الكبير مع توليد معزز بالاسترجاع Dual retrieving and ranking medical large language model with retrieval augmented generation
2026 | المؤلف: Qimin Yang وآخرون | المجلة: Scientific Reports | المجال: نظم المعلومات (Information Systems)تقدم البحث إطار عمل جديد لاسترجاع وترتيب المعلومات على مرحلتين، يسمى توليد معزز بالاسترجاع (RAG)، مصمم لتعزيز تطبيق نماذج اللغة الكبيرة (LLMs) في المجال الطبي. يدمج هذا الإطار بحث التضمين مع تقنية Elasticsearch ويستخدم ColBERTv2 لترتيب المعلومات مع مراعاة السياق، مما يؤدي إلى تحسين بنسبة 10% في الدقة للاستفسارات الطبية المعقدة مقارنةً بنماذج LLM التقليدية…
-
LLM-KGMQA: نظام إجابة على الأسئلة متعدد القفزات معزز بنموذج لغة كبير يعتمد على الرسم البياني المعرفي في المجال الطبي LLM-KGMQA: large language model-augmented multi-hop question-answering system based on knowledge graph in medical field
2026 | المؤلف: FeiLong Wang وآخرون | المجلة: Knowledge and Information Systems | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم هذه الورقة البحثية إطار عمل جديد لنظام الإجابة على الأسئلة متعدد القفزات، يسمى LLM-KGMQA، والذي يدمج نماذج اللغة الكبيرة (LLMs) مع الرسوم البيانية المعرفية (KGs) خصيصًا للمجال الطبي. يعالج الإطار تحديات حاسمة مثل ربط الكيانات واستدلال مسارات المعرفة متعددة القفزات. تم تقديم خوارزمية ربط سريع مبتكرة للكيانات، والتي تستخدم تصنيف متعدد السمات وعمليات تقاطع…