埃塞俄比亚医疗设施选址：利用 LLM 将专家知识整合至算法规划
人工智能
2026-01-30 v2
摘要
埃塞俄比亚卫生部正在升级医疗站以改善基本服务的可及性，特别是在农村地区。然而，有限的资源要求仔细优先考虑升级哪些设施，以在兼顾不同专家和利益相关者偏好的同时最大化人口覆盖范围。在与埃塞俄比亚公共卫生研究所和卫生部合作中，我们提出了一个将专家知识与优化技术系统性整合的混合框架。经典优化方法提供理论保证，但需要明确的定量目标，而利益相关者的标准通常以自然语言表达且难以形式化。为了弥合这些领域，我们开发了大型语言模型与扩展贪心 算法框架。我们的框架将一个用于人口覆盖优化的可证明近似算法与 LLM 驱动的迭代精炼相结合，后者引入了人机对齐，以确保解决方案反映专家的定性指导，同时保留覆盖保证。在来自埃塞俄比亚三个地区的真实数据上的实验证明了该框架的有效性，及其为公平、数据驱动的卫生系统规划提供信息的潜力。
引用
@article{arxiv.2601.11479,
title = {Health Facility Location in Ethiopia: Leveraging LLMs to Integrate Expert Knowledge into Algorithmic Planning},
author = {Yohai Trabelsi and Guojun Xiong and Fentabil Getnet and Stéphane Verguet and Milind Tambe},
journal= {arXiv preprint arXiv:2601.11479},
year = {2026}
}