研究提出基于Qwen3.5的9B参数临床决策模型，诊断准确率95.42%
发生了什么
据arXiv cs.CL报道，研究者提出基于Qwen3.5骨干网络的90亿参数决策模型Clef-Flash，用于Symptom2Disease基准上的24类疾病分类。使用QLoRA微调后，模型诊断准确率达95.42%，宏观F1分数为0.9551，优于ClinicalBERT基线（90.90%）。单次前向传播推理耗时低于80毫秒，比生成式LLM基线快31倍。引入LOSO反事实扰动框架验证了症状级可解释性。
- 参数量
- 90亿
- 诊断准确率
- 95.42%
- 推理速度提升
- 31倍
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口