跳到正文
arXiv · NLP· Matthias Lehmann, Madeleine Werthebach·· 10 天前AI 评分28

SPARCLING 生成多样化且带构造性标签的合成临床出院小结

Generating Diverse and Verified Synthetic Clinical Notes with Labels by Construction

AI 导读

研究人员提出 LLM 管道 SPARCLING,通过结构化属性采样、模板生成及红队测试,生成字符级精确 PHI 标注的德国临床出院小结。 实验显示 SPARCLING 在内容多样性上优于现有公开数据集,并作为基准揭示了去标识化模型失效模式。 使用合成数据训练的去标识化模型性能优于仅依赖稀缺公开数据训练的模型。

来源:arXiv · NLP · arxiv.org