约束生成可提升健康摘要临床一致性，但增加阅读难度。
资讯摘要
论文研究面向月经健康监测的证据支撑式健康摘要，采用结构化证据条件与基于提示的约束生成框架结合 RAG。作者在三个 LLM 上生成 4500 条摘要，用 NLI、原子事实性指标和可读性指标评估。结果显示，显式 grounding 约束持续改善临床一致性，尤其提升不确定性保留；以检索证据评估忠实度时总体保持或改善，但对遗漏的影响因模型而异。作者还发现临床一致性提升伴随阅读难度和医学术语增加。
要点速读
- 论文提出将结构化证据条件与基于提示的约束生成框架及 RAG 结合，用于月经健康监测的健康摘要。
- 在三个 LLM、4500 条生成摘要上评估，显式 grounding 约束持续改善临床一致性，尤其改善不确定性保留。
- 作者报告临床一致性提升的代价是阅读难度和医学术语增加，遗漏情况因模型而异。
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。