面向医学错误检测与纠正的链式思考（CoT）提示策略
计算与语言
2024-06-14 v1
摘要
本文描述了我们对 MEDIQA-CORR 2024 数据共享任务的提交方案，用于自动检测和纠正临床笔记中的医学错误。我们报告了三种基于大型语言模型（LLM）的少样本情境学习（In-Context Learning, ICL）增强链式思考（Chain-of-Thought, CoT）和 reason 提示的方法。在第一种方法中，我们手动分析训练和验证数据集的子集，以推断通过检查临床笔记中的错误类型来推导三个 CoT 提示。在第二种方法中，我们利用训练数据集为 LLM 推导其正确性或错误性的原因。构建的 CoT 和 reason 然后与 ICL 示例合并，用于解决错误检测、标记识别和错误纠正三个任务。最后，我们采用基于规则的集成方法结合两种方法。在三个子任务中，我们的集成方法在子任务 1 和 2 中均获得第 3 名，在子任务 3 中排名第 7。
引用
@article{arxiv.2406.09103,
title = {Chain-of-Though (CoT) prompting strategies for medical error detection and correction},
author = {Zhaolong Wu and Abul Hasan and Jinge Wu and Yunsoo Kim and Jason P. Y. Cheung and Teng Zhang and Honghan Wu},
journal= {arXiv preprint arXiv:2406.09103},
year = {2024}
}
备注
accepted as NAACL workshop