Evaluating large language models on medical evidence summarization

自动汇总 误传 术语 计算机科学 危害 质量(理念) 突出 自然语言处理 数据科学 人工智能 心理学 语言学 社会心理学 计算机安全 认识论 哲学
作者
Liyan Tang,Zhaoyi Sun,Betina Idnay,Jordan G. Nestor,Ali Soroush,Pierre Elias,Ziyang Xu,Ying Ding,Greg Durrett,Justin F. Rousseau,Chunhua Weng,Yifan Peng
出处
期刊:npj digital medicine [Springer Nature]
卷期号:6 (1) 被引量:99
标识
DOI:10.1038/s41746-023-00896-7
摘要

Abstract Recent advances in large language models (LLMs) have demonstrated remarkable successes in zero- and few-shot performance on various downstream tasks, paving the way for applications in high-stakes domains. In this study, we systematically examine the capabilities and limitations of LLMs, specifically GPT-3.5 and ChatGPT, in performing zero-shot medical evidence summarization across six clinical domains. We conduct both automatic and human evaluations, covering several dimensions of summary quality. Our study demonstrates that automatic metrics often do not strongly correlate with the quality of summaries. Furthermore, informed by our human evaluations, we define a terminology of error types for medical evidence summarization. Our findings reveal that LLMs could be susceptible to generating factually inconsistent summaries and making overly convincing or uncertain statements, leading to potential harm due to misinformation. Moreover, we find that models struggle to identify the salient information and are more error-prone when summarizing over longer textual contexts.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
李辉发布了新的文献求助10
3秒前
6秒前
wanci应助悦耳巧曼采纳,获得10
7秒前
浅尝离白应助一昂杨采纳,获得10
7秒前
七八九完成签到 ,获得积分10
7秒前
9秒前
yunnguw完成签到,获得积分20
9秒前
天天快乐应助一念之间采纳,获得10
10秒前
梨米特发布了新的文献求助10
10秒前
ccerr完成签到,获得积分10
11秒前
xjcy应助科研通管家采纳,获得10
12秒前
Akim应助科研通管家采纳,获得10
12秒前
毛豆爸爸应助科研通管家采纳,获得40
12秒前
无花果应助科研通管家采纳,获得10
12秒前
毛豆爸爸应助科研通管家采纳,获得40
12秒前
深情安青应助科研通管家采纳,获得10
12秒前
领导范儿应助科研通管家采纳,获得30
12秒前
12秒前
小蘑菇应助科研通管家采纳,获得10
12秒前
烟花应助机智的傲柏采纳,获得10
12秒前
Owen应助科研通管家采纳,获得10
13秒前
13秒前
隐形曼青应助lily88采纳,获得10
13秒前
干净菀发布了新的文献求助30
14秒前
科研通AI2S应助逆旅如行人采纳,获得10
14秒前
不知道完成签到,获得积分10
15秒前
科研通AI2S应助斯文凤灵采纳,获得10
18秒前
安妮完成签到 ,获得积分10
19秒前
残月下的樱花完成签到,获得积分10
19秒前
19秒前
唠叨的可燕完成签到 ,获得积分10
20秒前
ZDZ发布了新的文献求助20
20秒前
Ava应助七八九采纳,获得10
22秒前
小美爱科研完成签到,获得积分10
24秒前
春天的粥应助FCL采纳,获得10
25秒前
dd完成签到,获得积分10
26秒前
一念之间发布了新的文献求助10
26秒前
27秒前
iNk应助蟹黄堡采纳,获得10
28秒前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3140679
求助须知:如何正确求助?哪些是违规求助? 2791473
关于积分的说明 7799108
捐赠科研通 2447844
什么是DOI,文献DOI怎么找? 1302064
科研通“疑难数据库(出版商)”最低求助积分说明 626434
版权声明 601194