Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.18819

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2506.18819 (cs)
[提交于 2025年6月23日 ]

标题: RWESummary:一种框架和测试方法,用于选择大型语言模型来总结现实世界证据(RWE)研究

标题: RWESummary: A Framework and Test for Choosing Large Language Models to Summarize Real-World Evidence (RWE) Studies

Authors:Arjun Mukerji, Michael L. Jackson, Jason Jones, Neil Sanghavi
摘要: 大型语言模型(LLMs)已在一般摘要任务以及医学研究辅助方面进行了广泛评估,但尚未专门针对从真实世界证据(RWE)研究的结构化输出中总结真实世界证据的任务进行评估。我们引入了RWESummary,这是MedHELM框架(Bedi, Cui, Fuentes, Unell 等,2025)的一个提议补充,以实现对此任务的LLMs基准测试。RWESummary包括一个场景和三个评估,涵盖了医学研究摘要中观察到的主要类型错误,并使用Atropos Health专有数据开发而成。此外,我们使用RWESummary来比较不同LLMs在我们内部的真实世界证据摘要工具中的性能。在发表时,有13个不同的RWE研究,我们发现Gemini 2.5模型整体表现最佳(包括Flash和Pro版本)。我们建议RWESummary作为真实世界证据研究摘要的一种新颖且有用的基准模型。
摘要: Large Language Models (LLMs) have been extensively evaluated for general summarization tasks as well as medical research assistance, but they have not been specifically evaluated for the task of summarizing real-world evidence (RWE) from structured output of RWE studies. We introduce RWESummary, a proposed addition to the MedHELM framework (Bedi, Cui, Fuentes, Unell et al., 2025) to enable benchmarking of LLMs for this task. RWESummary includes one scenario and three evaluations covering major types of errors observed in summarization of medical research studies and was developed using Atropos Health proprietary data. Additionally, we use RWESummary to compare the performance of different LLMs in our internal RWE summarization tool. At the time of publication, with 13 distinct RWE studies, we found the Gemini 2.5 models performed best overall (both Flash and Pro). We suggest RWESummary as a novel and useful foundation model benchmark for real-world evidence study summarization.
评论: 24页,2图
主题: 计算与语言 (cs.CL) ; 人工智能 (cs.AI)
引用方式: arXiv:2506.18819 [cs.CL]
  (或者 arXiv:2506.18819v1 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.18819
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Michael Jackson [查看电子邮件]
[v1] 星期一, 2025 年 6 月 23 日 16:28:03 UTC (536 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.AI
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs
cs.CL

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号