arXiv 自然语言处理· S. M. Mahbub Uddin Ahmed·· 8 小时前AI 评分33
迈向系统一临床智能：决策基础模型的参数高效微调与反事实可解释性
Toward System One Clinical Intelligence: Parameter-Efficient Fine-Tuning and Counterfactual Explainability of Decision Foundation Models
AI 导读
研究人员基于 Qwen3.5 骨干的 9B 决策模型 Clef-Flash 进行 4-bit QLoRA 微调，在 Symptom2Disease 24 类疾病分类基准上实现 95.42% 诊断准确率和 0.9551 宏 F1 分数。该架构在单 GPU 上单条推理时间低于 80 毫秒，较生成式 LLM 基线提速 31 倍，并通过提出的 LOSO 反事实扰动框架实现了症状级可解释性。
来源：arXiv 自然语言处理 · arxiv.org