各方报道 1 篇
arXiv NLP·10-14 12:00★ 3
Clef-Flash 决策模型：QLoRA 微调实现临床疾病分类
原文 研究者基于 Qwen3.5 骨干的 90 亿参数决策模型 Clef-Flash，采用 4 比特 QLoRA 微调进行 24 类疾病分类，诊断准确率达 95.42%，超越 ClinicalBERT 的 90.90%。单次前向传播推理每记录不到 80 毫秒，比生成式 LLM 基线快 31 倍，并引入留一症状反事实扰动框架提升可解释性。
研究者基于 Qwen3.5 骨干的 90 亿参数决策模型 Clef-Flash，采用 4 比特 QLoRA 微调进行 24 类疾病分类，诊断准确率达 95.42%，超越 ClinicalBERT 的 90.90%。单次前向传播推理每记录不到 80 毫秒，比生成式 LLM 基线快 31 倍，并引入留一症状反事实扰动框架提升可解释性。