2024年6月UC Berkeley CoML2024。

数据集构建步骤：首先通过Chest ImaGenome构建数据对。然后利用GPT-4o产生多样的回答；之后用OpenBioLLM-70B 对报告重构（aaditya/Llama3-OpenBioLLM-70B 是公认在医疗LLM上表现良好）数据集评估质量：抽取300个样本用GPT-4o去验证数据集评价指标：回答的准确率， 推理能力，定位能力，利用BLEU和ROUGE来评价文本部分。

将大语言模型（Large Language Models, LLMs）与外部工具相结合，为复杂任务提供了一种极具潜力的解决范式。然而，在某些特定下游任务中，仅依赖工具调用仍难以应对真实世界的复杂性。本文聚焦于医疗计算这一典型下游任务——医疗计算器（medical calculators），该任务通常通过标准化测试对患者健康风险进行量化评估。我们提出 MeNTi，一种面向医疗计算场景的智能体框架，通