RetiJev: 빠르고 출처 기반의 안과 진단 모델
arXiv:2610.30947v1 발표 유형: 신규 초록: 안과 임상 의사결정 지원에는 빠르고 정확하며 개인정보를 보호하는 추론이 필요하지만, 자동회귀형 대규모 언어 모델(LLM)은 사전 정의된 행동들 간의 결정을 내리는 데 있어 상당한 지연 시간과 계산 부하를 초래합니다. 이에 따라 우리는 생성적 추론에 대한 의사결정 중심의 대안을 탐구합니다. 구체적으로, 먼저 RetiJev-Data를 소개하는데, 이는 PubMed Central의 논문과 MeSH 용어집에서 도출된 531개의 안질환 및 11개의 평가 체계에 걸친 50,074개의 가이드라인 평가 질문과 함께, 78,158개의 임상적 의사결정 및 진단 관련 질문으로 구성된 소스 기반 안과 코퍼스입니다. 또한 24,662개의 질문으로 구성된 평가 벤치마크도 포함되어 있습니다. 이를 바탕으로 우리는 0.8B~9B 규모의 의사결정 모델 패밀리인 RetiJev를 개발합니다.
