MedCode：嵌入代码提升医疗计算准确率
原文标题：Improving Medical Calculation of LLMs with Embedded Coding
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
LLM 在医学考试与问答上表现良好，但在需要精确数值的医疗计算（如给药剂量、器官功能评估）上仍不可靠。MedCode 训练模型生成嵌入式可执行代码，将算术委托给确定性解释器，并引入加权 DPO 强化难区分偏好对。在 LLaMA3-8B、Qwen2.5-7B、Mistral-7B 上绝对准确率提升 20-30 个百分点。
- 问题
- LLM 在医学考试上表现好，但在给药剂量、器官功能评估等需精确数值的医疗计算上不可靠。
- 方法
- 训练模型生成嵌入式可执行代码，把算术交给确定性解释器，并用加权 DPO 强化难区分偏好对。
- 结果
- LLaMA3-8B、Qwen2.5-7B、Mistral-7B 上绝对准确率提升 20-30 个百分点。
- 影响
- 为高风险医疗计算场景提供可验证的代码执行路径，比纯文本推理更可控。
深读 · 结论先行AI 生成展开看要点与影响 ↓
MedCode 让模型生成可执行代码做医疗计算，三个 7-8B 模型绝对准确率提升 20-30 个百分点
- •思路是把算术委托给确定性解释器：模型识别计算器、抽取输入变量、生成脚本，执行后返回数值、解释与单位
- •数据来自 MedCalc 基准的 SFT 与偏好数据集，另构建 ICU 场景计算任务数据集
- •提出加权 DPO（wDPO），自适应强调模型难以区分的偏好对
- •在 LLaMA3-8B、Qwen2.5-7B、Mistral-7B 上均取得 20-30 个百分点的绝对准确率提升
为什么重要：给药剂量、器官功能评估等场景对数值错误零容忍，把算术外包给解释器是提升可靠性的可复制路径。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。