medical-coding

提出了一种深度神经模型，结合多层时序卷积网络和标签级注意力用于医疗编码，在F1和召回率分数上相比先前最先进模型取得了显著提升。

这项实证研究探讨了后训练（监督微调和强化学习）能否提升LLM在自动化ICD编码上的表现，引入了一种名为PHI的诊断课程，扩展了GRPO以改进遗漏编码案例。结果表明，仅使用提示评估低估了LLM的潜力，SFT提供了主要的能力跃升，而RL进一步提升了性能。