Skip to content
Hot storiesContinuously updated

研究显示结构化临床记忆可提升概率决策模型准确率

1 reports1 reporting sourcesUpdated 10 hours ago

Start here

AI overview

2026年11月4日，arXiv发布了关于将结构化临床记忆作为概率决策模型上下文的研究成果。基于Jev模型的合成评估显示，在患者病历基础上引入紧凑的结构化临床记忆，可使概率决策模型的回答准确率从90.0%提升至93.3%。同时，该方法优化了多项指标，选择对数损失从0.258降至0.175，二元Brier分数从0.054降至0.022。在性能与开销方面，该方案每次调用平均增加310个输入tokens，平均延迟稳定在约0.5秒。

AI-generated from reports · Updated 9 hours ago

Latest developmentsNov 4 13:00
研究显示基于Jev模型引入结构化临床记忆，可使决策模型准确率提升至93.3%，平均延迟约0.5秒。

Report timeline

Follow the reports to see different sides of the story.

Nov 4
  1. arXiv 人工智能
    结构化临床记忆作为概率决策模型上下文：基于 Jev 的合成评估

    基于 Jev 模型的评估显示，在患者病历基础上引入紧凑结构化临床记忆，可使概率决策模型的回答准确率从 90.0% 提升至 93.3%。该方法使选择对数损失从 0.258 降至 0.175，二元 Brier 分数从 0.054 降至 0.022。每次调用平均增加 310 个输入 tokens，且平均延迟稳定在约 0.5 秒。

Story heat trend

Current heat 8·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–

02.557.510Nov4Nov4Nov4Nov4

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.