热点事件持续更新

医疗问答数据选择论文：扰动法评估存疑

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

2026 年 10 月 24 日，Yuexin Wu 等人在 arXiv cs.CL 提交《Perturbation-Based Data Selection for Medical Question Answering》预印本。研究提出基于高斯扰动的 RSP 与 RSP-Drop 方法，仅使用问题与选项进行筛选，并在 MedGemma-4B 模型的 128 样本预算下取得 Macro-F1 分别为 47.55 和 48.28。论文同时说明评估结果：该方法只使用一个 backbone，且基准与训练家族存在记录在案的重叠；因此回顾性评估结果并不能确立其临床有效性。该预印本已投稿至 IEEE ICHI 2027，目前处于公开评审阶段，后续是否被接收尚待确认。

AI 根据报道生成 · 2 小时前更新

最新进展10月27日 12:00

基于扰动的医疗问答数据选择

报道时间线

沿着报道，了解事件的不同侧面。

10月27日

12:00
arXiv · NLP
基于扰动的医疗问答数据选择
研究提出基于高斯扰动的数据选择方法，结合预测变化频率与非翻转边缘收缩信号。在 MedGemma-4B 模型上，RSP 和 RSP-Drop 在 128 样本预算下 Macro-F1 分别达 47.55 和 48.28。该方法仅使用问题和选项进行筛选，结果基于回顾性评估，未确立临床有效性。

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。