ترجمه فارسی مقاله کاهش توهمات در مدل های زبان بزرگ: مطالعه تطبیقی ​​الگوهای پزشکی تقویت شده با RAG در مقابل الگوهای پزشکی تولید شده توسط انسان

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Mitigating Hallucinations in Large Language Models: A Comparative Study of RAG-enhanced vs. Human-Generated Medical Templates
عنوان مقاله به فارسی کاهش توهمات در مدل های زبان بزرگ: مطالعه تطبیقی ​​الگوهای پزشکی تقویت شده با RAG در مقابل الگوهای پزشکی تولید شده توسط انسان
نویسندگان Anson Li, Renee Shrestha, Thinoj Jegatheeswaran, Hannah O. Chan, Colin Hong, ProfileRakesh Joshi
فرمت مقاله انگلیسی PDF
تعداد صفحات 19
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Health Informatics انفورماتیک سلامتی

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The integration of Large Language Models (LLMs) is increasingly recognized for its potential to enhance various aspects of healthcare, including patient care, medical research, and education. The well-known LLM from Open AI: ChatGPT, a user-friendly GPT-4 based chatbot, has become increasingly popular. However, current limitations to LLMs, such as hallucinations, outdated information, and ethical and legal complications may pose significant risks to patients and contribute to the spread of medical disinformation. This study focuses on the application of Retrieval-Augmented Generation (RAG) to mitigate common limitations of LLMs like ChatGPT and assess its effectiveness in summarizing and organizing medical information. Up-to-date clinical guidelines were utilized as the source of information to create detailed medical templates. These were evaluated against human-generated templates by a panel of physicians, using Likert scales for accuracy and usefulness, and programmatically using BERTScores for textual similarity. The LLM templates scored higher on average for both accuracy and usefulness when compared to human-generated templates. BERTScore analysis further showed high textual similarity between ChatGPT- and Human-generated templates. These results indicate that RAG-enhanced LLM prompting can effectively summarize and organize medical information, demonstrating high potential for use in clinical settings.

چکیده به فارسی (ترجمه ماشینی)

ادغام مدلهای بزرگ زبان (LLM) به طور فزاینده ای به دلیل پتانسیل آن در تقویت جنبه های مختلف مراقبت های بهداشتی ، از جمله مراقبت از بیمار ، تحقیقات پزشکی و آموزش شناخته می شود.LLM مشهور از Open AI: ChatGPT ، یک chatbot مبتنی بر GPT-4 کاربر پسند ، به طور فزاینده ای محبوب شده است.با این حال ، محدودیت های فعلی برای LLM ها ، مانند توهم ، اطلاعات منسوخ و عوارض اخلاقی و قانونی ممکن است خطرات قابل توجهی برای بیماران ایجاد کند و در گسترش اطلاعات پزشکی کمک کند.این مطالعه به استفاده از نسل بازیابی (RAG) برای کاهش محدودیت های مشترک LLM ها مانند ChatGPT و ارزیابی اثربخشی آن در جمع بندی و سازماندهی اطلاعات پزشکی می پردازد.از دستورالعمل های بالینی به روز به عنوان منبع اطلاعات برای ایجاد الگوهای پزشکی دقیق استفاده شد.اینها در برابر الگوهای تولید شده توسط انسان توسط پانل پزشکان ، با استفاده از مقیاس های لیکرت برای دقت و سودمندی و استفاده از برنامه نویسی با استفاده از BertScores برای شباهت متنی مورد بررسی قرار گرفت.الگوهای LLM در مقایسه با الگوهای تولید شده توسط انسان ، به طور متوسط ​​به طور متوسط ​​بالاتر بودند.تجزیه و تحلیل Bertscore در ادامه شباهت متنی بالایی بین الگوهای تولید شده توسط چتپپت و انسانی را نشان داد.این نتایج نشان می دهد که فرکانس LLM تقویت شده RAG می تواند به طور مؤثر اطلاعات پزشکی را خلاصه و سازماندهی کند ، و پتانسیل بالایی را برای استفاده در تنظیمات بالینی نشان می دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.