待验证50% 置信基准精确时间

在MIMIC-CXR和MIMIC-IV BHC上，模型在非结构化叙述文本上表现良好，但面对高度模板化报告时性能退化到接近位置基线水平

1

来源数

50%

置信度

长期有效

时效性

2026/9/15

首次发现

来源

抽取式摘要新框架：CNN-BiLSTM如何解决医疗文本的事实幻觉难题

涉及实体

MIMIC-CXRconcept MIMIC-IV BHCconcept

相关事实

待验证经过指令微调和RLHF训练的模型在遵循格式规范方面表现更好，有时反而会生成格式更完美的虚假引用66% 相似待验证尽管多模态模型已具备图像理解能力，但在精确提取结构化信息时，纯文本输入仍能提供更高的可靠性和一致性。66% 相似待验证在A/B实测中，使用完全相同剧情，结构化提示词版本比大白话版本在镜头语言、人物一致性和叙事节奏上明显更专业65% 相似待验证在系统提示词中明确约束输出格式和风格能够减少模型风格漂移，使生成结果更符合既有代码库的一致性要求64% 相似待验证Prompt中的'结构性'原则利用了模型对格式化文本的敏感性，因为预训练数据中的结构化文本通常对应高质量内容。64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/921886

API

curl https://kongchang.com/api/v1/knowledge/claims/921886

MCP

get_claim(id=921886)