UTSA-NLP 在 ArchEHR-QA 2025 任务中的参赛报告：通过自一致性提示提高 EHR 问答质量
计算与语言
2025-06-09 v1
摘要
我们描述了用于 ArchEHR-QA 共享任务的系统，该任务涉及使用电子健康记录（EHR）回答临床问题。我们的方案包含两步：首先利用大语言模型在 EHR 中查找与临床医生问题相关的句子，其次基于这些句子生成简短且支持性 citations 的响应。我们采用 few-shot 提示、自一致性和阈值化方法，以提高句子分类步骤的质量，从而决定哪些句子是必需的。我们比较了多种模型，发现较小的8B模型在识别相关信息方面优于较大的70B模型。我们的结果表明，准确的句子选择对于生成高质量响应至关重要，自一致性与阈值化有助于使这些决策更可靠。
引用
@article{arxiv.2506.05589,
title = {UTSA-NLP at ArchEHR-QA 2025: Improving EHR Question Answering via Self-Consistency Prompting},
author = {Sara Shields-Menard and Zach Reimers and Joshua Gardner and David Perry and Anthony Rios},
journal= {arXiv preprint arXiv:2506.05589},
year = {2025}
}
备注
Accepted to BioNLP 2025