9B模型Clef-Flash微调Symptom2Disease不敌TF-IDF基线

S. M. Mahbub Uddin Ahmed 发布论文，将基于 Qwen3.5 的 9B 决策模型 Clef-Flash 用 QLoRA 微调至 24 类 Symptom2Disease 症状-疾病分类基准，在 960 训练 / 240 测试划分上达到 95.42% 准确率、macro F1 0.9551，高于未适配权重的 65.00%。 但在同一数据划分上，TF-IDF 线性 SVM 和逻辑回归基线达到 98.75% 准确率（95% CI 96.39–99.57%），且推理为亚毫秒级 CPU 推理；论文称在该基准上，微调后的模型相比调优良好的线性分类器没有准确率优势。作者还指出，该结果还需在更长的真实临床文本和临床医生评审中验证。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。