研究揭示多轮对话交互显著提升临床Text-to-SQL可用性
Start here
2026年11月3日发表于arXiv的一项面向医务人员的用户研究显示，基于大语言模型（LLM）的临床Text-to-SQL系统引入多轮对话界面后，其可用性获得显著提升。测试结果显示，系统可用性量表评分从单轮界面的68.2显著升至85.9（p<0.001）。在对比测试中，93%的受试者对对话界面整体更满意，86%倾向于在实际中采纳，71%更信任其输出的结果。此外，对425轮交互的分析发现，自由查询中有24.8%触发了澄清请求，证实对话交互机制是保障临床数据访问可用性的实用前提。
AI-generated from reports · Updated 20 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能基于 LLM 的临床 Text-to-SQL 对话交互：面向医务人员的用户研究
一项面向医务人员的用户研究显示，基于 LLM 的临床 Text-to-SQL 多轮对话界面相比单轮界面大幅提升可用性，系统可用性量表评分从 68.2 显著升至 85.9（p<0.001）。对比测试中，93% 的受试者对对话界面整体更满意，86% 倾向于实际采纳，71% 更信任其结果。对 425 轮交互分析发现自由查询有 24.8% 触发了澄清请求，证实对话交互是临床数据访问的实用前提。
Story heat trend
Current heat 5·Comparable peak 9（Nov 3 18:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.