Le rubriche LLM potenziano l'apprendimento supervisionato clinico

Un recente preprint su arXiv (2603.11679) introduce un pipeline agentico che consente ai grandi modelli linguistici (LLM) di creare rubriche sia globali che locali, migliorando l'apprendimento supervisionato per complessi dataset multimodali. La rubrica globale è una specifica programmatica derivata da una raccolta variegata di esempi serializzati in testo, volta a standardizzare i formati di input. Al contrario, le rubriche locali fungono da riassunti interpretativi adattati a compiti specifici. Valutato su 15 compiti clinici del benchmark EHRSHOT, il metodo delle rubriche ha superato i modelli basati sul conteggio delle caratteristiche, i baseline LLM semplici e un modello clinico fondamentale preaddestrato su dataset simili. Questo approccio riduce la necessità di competenze di dominio nella progettazione delle rappresentazioni di input.