RAIL用任务记忆生成可解释临床模型

Sazan Mahbub等提出检索增强可解释学习框架RAIL，利用自然语言任务描述和既有任务预测器记忆，在系数空间迁移相关任务结构，为新任务零样本或少样本生成临床操作预测模型，并给出特征级解释。 arXiv摘要称，RAIL在长尾临床操作预测任务上改善了低数据条件下的模型生成，临床信息驱动的任务表示带来额外收益；框架还会估计检索、模型系数和预测的不确定性，用于标记需要额外临床复核的预测或不稳定解释。

AI 根据报道生成 · 刚刚更新

还没有足够的连续观测数据，暂不绘制趋势。