利用大型语言模型将生物医学摘要适应为通俗语言

大量医学知识通过在线健康论坛和问答平台向公众开放。美国大多数人缺乏足够的健康素养无法充分利用这些信息。健康素养指能够获取和理解基本健康信息以作出适当健康决策的能力。为搭建这一鸿沟的桥梁，组织机构倡议将医学知识改编为通俗语言。自动化改编系统的构建有助于医疗及非医疗专业人士充分利用在线可用信息。Plain Language Adaptation of Biomedical Abstracts（PLABA）项目旨在依据MedlinePlus中提问的通用问题，将从PubMed中提取的生物医学摘要以通俗语言进行改编。作为该项目的一部分，我们利用最佳开源大型语言模型（LLM）进行微调以适用于对话场景。我们比较并展示了所有系统结果及与其他参赛者提交方案的排名。我们最佳表现的GPT-4模型在avg. simplicity measure中排名第一，在avg. accuracy measure中排名第三。