FMI@SU ToxHabits：评估大语言模型在西班牙语临床文本中有害习惯提取中的性能
计算与语言
2026-04-09 v1 人工智能
摘要
本文提出了一种在西班牙语临床文本中识别有害习惯命名实体的方法。该方法是为ToxHabits共享任务开发的。我们的团队参与了子任务1，该任务旨在检测临床病例报告中的物质使用和滥用提及，并将其分为四类（烟草、酒精、大麻和毒品）。我们探索了利用LLM进行该任务的多种方法，包括零样本、少样本和提示优化，发现GPT-4.1的少样本提示在我们的实验中表现最好。我们的方法在测试集上取得了0.65的F1分数，证明了在英语以外的语言中识别命名实体的前景。
引用
@article{arxiv.2604.06403,
title = {FMI@SU ToxHabits: Evaluating LLMs Performance on Toxic Habit Extraction in Spanish Clinical Texts},
author = {Sylvia Vassileva and Ivan Koychev and Svetla Boytcheva},
journal= {arXiv preprint arXiv:2604.06403},
year = {2026}
}
备注
8 pages, 1 figure, 6 tables, Challenge and Workshop BC9 Large Language Models for Clinical and Biomedical NLP, International Joint Conference on Artificial Intelligence IJCAI 2025