RetiJev：快速且基于来源的眼科决策模型

RetiJev 用小模型直接打分替代自回归生成，做眼科决策。

资讯摘要

论文提出面向眼科临床决策的 RetiJev 模型系列（0.8B–9B），不采用自回归解码，而是直接对候选答案打分。作者构建了 RetiJev-Data 语料，含 78,158 道临床决策与诊断题、50,074 道指南分级题及 24,662 题评测基准。作者报告 RetiJev 在指南分级上超过 27B LLM 与 Jev 1.13 达 10.4–23.0 分，9B 版单 GPU 单例 158 ms。

要点速读

1. RetiJev-Data 含 78,158 道临床决策与诊断题、50,074 道指南分级题（覆盖 11 种分级体系）及 24,662 题评测基准。
2. RetiJev 为 0.8B–9B 决策模型，直接对候选答案打分，不做自回归解码。
3. 作者报告：指南分级上超过 27B LLM 和 Jev 1.13 达 10.4–23.0 分；9B 版临床决策准确率领先 5.4–6.5 分，诊断持平；单 GPU 单例 158 ms。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。