Observatorio de información y Publicaciones

Resumen:A pesar de que las enfermedades raras afectan a 1 de cada 10 estadounidenses, su diagnóstico diferencial sigue siendo un desafío. Debido a sus impresionantes capacidades de recuerdo, recientemente se han explorado modelos de lenguaje grandes (LLM) para el diagnóstico diferencial.

Resumen:Ampliar la computación en tiempo de prueba a través de una larga cadena de pensamiento (Long-CoT) mejora significativamente las capacidades de razonamiento, pero la generación extendida no garantiza la corrección: después de un compromiso erróneo temprano, los modelos pueden seguir elaborando un prefijo autoconsistente pero incorrecto.

Resumen: Presentamos un marco unificado que integra a la perfección recursos algorítmicos, bandidos contextuales y modelos de lenguaje grande (LLM) para respaldar la toma de decisiones secuencial en entornos de alto riesgo, como la medicina personalizada.