智客 ZICQ
EN 登录 / 注册
智客前沿 大模型 #Qwen #程序求解接口 #临床计算 #大语言模型 #AI可靠性

Qwen推出程序求解接口:提升临床大模型数学计算可靠性

Mr.Xu 的头像

文 / Mr.Xu 智客前沿编译 · 审校

发布时间: · 1 次阅读

中文阅读 (Chinese) English Version
共读互动 选中正文任意句子即可高亮划线、写下你的技术批注,或一键生成金句引用卡。 直达讨论区 ↓

摘要:Qwen团队提出了一种新的程序求解接口,通过让大语言模型编写特定案例的Python代码,并由受限的执行器进行确定性求解,从而提升临床计算中的数学可靠性。研究在MedCalc-Bench Verified数据集上评估了Qwen2.5-7B和Qwen2.5-32B-AWQ模型,结果显示在32B模型中,程序求解接口相较于直接计算显著提升了准确率(90.53% vs 83.47%)。尽管在7B模型中优势不明显,但该方法为AI在复杂计算任务中的应用提供了新的思路,尤其在需要高可靠性的场景中具有潜力。


研究背景与挑战

大语言模型(LLM)在处理算术任务时常常表现出不可靠性,这对于依赖精确计算的临床场景(如医学计算器)构成了重大挑战。传统的解决方案是逐一硬编码经过验证的函数,但这不仅耗时,而且难以扩展。

新方法:程序求解接口

Qwen团队提出了一种创新的解决方案——程序求解接口。该方法的核心思想是让模型生成特定案例的Python代码,而不是直接进行计算。这些代码由一个受限的执行器运行,从而实现确定性的求解。模型的任务简化为决定如何使用该执行器。

实验与结果

研究在MedCalc-Bench Verified数据集上进行了评估,该数据集包含1,100个案例和55个计算器。研究团队审核了基准测试的公式,并根据当前临床指南标记了其中16个公式存在版本、使用或系数问题。

实验使用了Qwen2.5-7B和Qwen2.5-32B-AWQ模型,结果显示:

  • 在7B模型中,程序求解接口相较于直接计算的优势并不显著(75.31% vs 72.02%,置信区间为[-3.49, 10.38])。
  • 在32B模型中,程序求解接口显著提升了准确率(90.53% vs 83.47%,置信区间为[0.47, 14.60])。

相比之下,手写库在支持的440个案例中表现精确,但在其他案例中无法提供结果(总体覆盖率40.0%)。

结论与影响

程序求解接口为AI在复杂计算任务中的应用提供了一种新的思路,尤其在需要高可靠性的场景中具有潜力。然而,该方法并不能完全替代经过验证的公式或可靠的变量提取技术。

开发者建议

  • 模型选择:在资源允许的情况下,建议使用更大规模的模型(如32B)以充分发挥程序求解接口的优势。
  • 执行器设计:设计一个高效且安全的执行器对于确保计算结果的可靠性至关重要。
  • 应用场景:该方法特别适用于对计算精度要求高的领域,如医疗、金融和工程计算。

未来展望

未来研究可以进一步优化程序生成和执行过程,并探索在更多领域中的应用潜力。此外,结合其他技术(如符号计算和形式验证)可能会带来更好的效果。


消息来源:Hugging Face Daily Papers (2026-09-09)

—— 完 ——

主题标签: #Qwen #程序求解接口 #临床计算 #大语言模型 #AI可靠性

编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。

读完这篇,你的第一判断是?
🚀 去【作品】晒出你的相关实践

社区整体评论区

正在加载实时智能评论与划词标注…