MedCode：利用内嵌代码生成提升大模型医疗计算精准度
大语言模型在医学考试和问答基准上表现优异，但在需要精确数值输出的医疗计算任务（如药物剂量、器官功能评估和预后评分等高风险决策）中仍不可靠。为此，研究人员提出了 MedCode 框架，通过训练 LLM 生成可执行的内嵌代码来改进医疗计算。在给定临床语境下，模型可识别相关计算工具并提取输入变量进行精准计算，显著降低临床计算误差风险。
推荐理由针对大模型在严肃医疗场景中易发生数值计算错误的痛点，采用程序辅助生成思路提升计算准确性，具临床落地参考价值。
原标题：Improving Medical Calculation of LLMs with Embedded Coding
阅读 arXiv 人工智能 原文 ↗