面向政策与证据审阅的可理解信息构建框架（BUMPER）

我们介绍了一个大型语言模型（LLM）在构建面向政策与证据审阅的可理解信息（BUMPER）框架中的应用。LLM正证明具备处理大规模多样化媒体数据库的界面能力，这为放大将科学证据转化为政策和行动提供了激动人心的机遇，从而改善全球生活水平。然而，这些模型也带来了访问、可信度和问责等挑战。BUMPER框架构建于科学知识库（如文档、代码、调查数据）之上，该知识库由同一科学家（如个人贡献者、实验室、联盟）创建。我们关注通过透明度、范围限制、明确检查和不确定性措施来构建可信度。LLM正快速被采纳且其影响尚未充分理解。该框架解决了关于LLM可靠性及其在高风险应用中的使用问题。我们提供了一个在健康政策领域的工作示例，用于设计以感染性痘疫控制项目为目标的模型。我们认为，该框架可以促进政策制定者获取和信任科学证据的可达性，推动研究人员关注政策相关性和可转化性，并最终加快科学知识用于政策决策的影响力。