Towards Expert-Level Medical Question Answering with Large Language Models

• 类型：arxiv
• 标识：2305.09617
• 链接：https://arxiv.org/abs/2305.09617
• 主题：risk
• 主分类：evaluation
• 形态：application
• 被引：808
• 被引来源：Semantic Scholar
• S2被引：808
• OpenAlex被引：335
• 影响力被引：70
• TLDR：Results highlight rapid progress towards physician-level performance in medical question answering by leveraging a combination of base LLM improvements (PaLM 2), medical domain finetuning, and prompting strategies including a novel ensemble refinement approach.
• OpenAlex ID：W4377009978
• OpenAlex DOI：10.48550/arxiv.2305.09617
• DOI：10.48550/arxiv.2305.09617
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2305.09617
• OpenAlex更新：2026-08-20
• 待LLM分类：否
• 成熟度：research
• 场景：medical QA、LLM evaluation、expert benchmark
• 标题中文：迈向基于大语言模型的专家级医学问答
• TLDR中文：结果表明，通过结合基础 LLM 改进（PaLM 2）、医学领域微调以及包括新颖集成精化方法在内的提示策略，医学问答正快速接近医生水平的表现。
• 来源文件：
• [OpenAlex discover]
• [S2 enrich]