Yale-DM-Lab at ArchEHR-QA 2026: 确定性 grounding 与多 Pass证据对齐用于EHR问答
计算与语言
2026-04-09 v1
摘要
我们描述Yale-DM-Lab系统用于ArchEHR-QA 2026共享任务。该任务研究关于住院记录的患者撰写问题, 包含四个子任务(ST): clinician-interpreted question reformulation(临床医生解释的问题改写)、证据句子识别、答案生成和证据-答案对齐。ST1采用Claude Sonnet 4和GPT-4o的双模型管道来将患者问题改写为临床医生解释的问题。ST2-ST4依赖于Azure托管的模型集合(o3、GPT-5.2、GPT-5.1和DeepSeek-R1), 结合few-shot提示和投票策略。我们的实验显示三个主要发现:首先, 模型多样性和集合投票在与单模型基线相比 consistently提高性能;其次, 提供完整的临床答案段落作为额外提示上下文用于证据对齐;第三ly, 在开发集上的结果表明, 对齐准确率主要受限于推理能力。最佳得分在开发集上达到ST4的88.81微F1、ST2的65.72宏F1、ST3的34.01和ST1的33.05。
关键词
引用
@article{arxiv.2604.07116,
title = {Yale-DM-Lab at ArchEHR-QA 2026: Deterministic Grounding and Multi-Pass Evidence Alignment for EHR Question Answering},
author = {Elyas Irankhah and Samah Fodeh},
journal= {arXiv preprint arXiv:2604.07116},
year = {2026}
}
备注
9 pages, 2 figures. System description for ArchEHR-QA 2026 shared task