PREBA论文：检索增强LLM预测手术时长
热点事件持续更新
PREBA论文：检索增强LLM预测手术时长
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
PREBA论文作者在arXiv发布PREBA框架：无需任务微调的检索增强方法，用PCA加权检索和贝叶斯平均聚合，将LLM推理锚定在机构级临床证据上，用于预测手术时长。论文称，在四个不同机构和语言的真实数据集上，用Qwen3、DeepSeek-R1和HuatuoGPT-o1三个LLM评测，PREBA较零样本推理将MAE最高降低64.9%，R2最高达0.63。这些是论文作者的评测结果。代码已在GitHub公开。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 13:00
PREBA：基于 PCA 加权检索增强与贝叶斯平均聚合的手术时长预测框架报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AIPREBA：基于 PCA 加权检索增强与贝叶斯平均聚合的手术时长预测框架
PREBA 是一个无需任务微调的检索增强框架，通过 PCA 加权检索和贝叶斯平均聚合将 LLM 推理锚定在机构级临床证据上，用于手术时长预测。在四个不同机构和语言的真实数据集上，使用 Qwen3、DeepSeek-R1 和 HuatuoGPT-o1 三个 LLM 评测，PREBA 较零样本推理将 MAE 最高降低 64.9%，R2 最高达 0.63。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。