SocialLM：利用大语言模型和上下文聚合处理医患沟通中的社会信号
计算与语言
2026-05-14 v2 计算机与社会
人机交互
摘要
有效的医患沟通难以大规模评估。我们检验了大语言模型 (LLMs) 能否在无需微调的情况下，从临床对话记录中追踪 20 种社会行为。在三个模型家族和多种提示策略中，LLMs 能够可靠地检测社会信号，尽管性能会因患者种族和就诊环节而异。为解决在仅查询 API 限制下的这种差异性，我们引入了一种利用群体层面一致性模式的一致性加权集成方法。该方法在准确性和稳定性上均优于最佳单个模型，为临床对话中可扩展的社会信号追踪提供了一条实用途径。
引用
@article{arxiv.2505.04152,
title = {SocialLM: Social Signal Processing of Patient-Provider Communication using LLMs and Contextual Aggregation},
author = {Manas Satish Bedmutha and Feng Chen and Andrea Hartzler and Trevor Cohen and Nadir Weibel},
journal= {arXiv preprint arXiv:2505.04152},
year = {2026}
}
备注
To be presented at CHIL 2026