决策过程解释

临床决策抽取智能体

研究问题：利用 If-Else 伪代码和 PlanSelect 策略从医疗文本中自动提取高质量临床决策树的方法

技术路线

  • 提出了包含伪代码生成与三元组提取并行阶段，以及决策树构建阶段的新颖框架

  • 利用LLM结合格式与内容约束生成If-Else伪代码，以精准表达决策树的逻辑结构；同时利用GPLinker模型提取医疗三元组

  • 设计包含观察、计划、行动和回答四步推理的 PlanSelect 策略

研究成果

  • 该方法在树编辑比率指标上分别降低了1.37%和1.54%，优于现有SoAT

  • If-Else伪代码有效提升了树结构预测的准确性，PlanSelect策略显著改善了节点内容的完整性

  • 应用于MedQA和CMB-Clin临床问答任务中，模型性能分别提升了0.5%和0.92%

Ruihui Hou, Jingping Liu* et al. Decision Tree Extraction for Clinical Decision Support System With If-Else Pseudocode and PlanSelect Strategy. JBHI 2025 (中科院二区Top)

结合约束图推理与预训练的医学影像诊断方法

研究问题：解决中医舌象诊断中标注数据匮乏、长尾类别不平衡及缺乏临床逻辑约束的难题

技术路线

  • 自监督视觉预训练：学习舌象特征，克服标注稀缺瓶颈

  • 领域感知图推理：融合统计先验，捕获病症间高阶关联 

  • 约束感知优化：嵌入临床规则，确保诊断结果医学合理 

研究成果

  • 性能SOTA：在 TongueAtlas-4K 基准上，Macro Recall 提升 77.8%，Macro-F1 提升 33.2% 。

    开源贡献：发布目前最大的专家级舌象数据集 TongueAtlas-4K（4,000张精细标注，22类病理特征）。

    强鲁棒性：有效解决长尾分布下稀有病症（如黑灰苔）的识别难题 。

Shufeng Kong et al. MIRNet: Integrating Constrained Graph-Based Reasoning with Pre-training for Diagnostic Medical Imaging. AAAI’26 (CCF-A类)

面向电子商务的可解释生成智能体

研究问题：解决电商搜索解释方法未有效融合商品内容与用户行为数据的局限，生成相关性解释

技术路线

  • 结合基于内容和基于行为的双模块分析框架，利用LLM整合商品特征与用户交互数据以生成全面解释

  • 设计了包含远程监督数据构建和自适应课程学习的领域LLM训练流程

  • 引入行为检索增强生成机制，通过分析查询与商品意图构建行为图谱

研究成果

  • 在自建及亚马逊公开数据集上，相关性预测准确率及解释生成质量（AGSB指标）均显著优于现有基线方法

  • 飞猪App在线 A/B 测试显示，引入该解释功能后，用户下单转化率（UV_L2O）提升了2.30%

  • 人工评估表明，该方法生成的解释在正确性、信息量等四个维度上均表现优异，质量评分最高提升超 26%

X Tian, J Liu* et al. Towards Explainable Search Results in E-commerce. WWW’25 (CCF-A类)

上下文工程增强的情感三元组提取

研究问题：通过上下文工程显式建模逻辑关联，增强智能体在情感提取任务中的因果可解释性

技术路线

  • 考虑了情感极性在方面和观点交互过程中的作用，提出基于对偶学习的新型ASTE模型

  • 设计了两个提取方向A2SO和O2AS，避免将情感作为首个提取元素

  • 引入上下文工程 ，将前一步的提取结果作为先验知识

研究成果

  • 三个公开数据集（AV2 的 14res、14lap、15res、16res）上，模型在F1分数上均优于所有基线方法

  • 对偶损失、全局指针网络、词性标签以及双向建模对性能提升有效

  • 在阿里飞猪APP上的在线A/B测试：提升了1.17浏览点击率

Jingping Liu et al. Exploiting Duality in Aspect Sentiment Triplet Extraction With Sequential Prompting. TKDE 2024 (CCF-A类)

滚动至顶部