跳到正文
arXiv · NLP· Jiyue Jiang, Yu Lei, Yitao Xu, Zikang Wang, Zhenyu Wang, Licheng Zong, Han Huang, Ziyi Li, Zhiyu Huo, Yuhan Chen, Jiayang Chen, Xiaodan Fan, Yu Li·· 3 天前AI 评分21

SEMPA框架通过双角色对抗辩论提升医疗药物推荐安全性

Self-Evolving Dual-Role Deliberation for Medication Recommendation from Clinical Records

AI 导读

SEMPA是一个无需训练的Agentic框架,在MIMIC-IV数据集上药物推荐的F1分数达到0.7295,药物相互作用率降至0.0172。 该框架结合分子感知检索与语义锚点约束,使F1分数比最强监督基线提升57.7%,药物相互作用率降低77.5%。 六类基座模型实验证实增益源自框架本身而非特定模型,已被EMNLP 2026接收。

来源:arXiv · NLP · arxiv.org