VERI-DPO: クレーム検証と直接的嗜好最適化を通じた臨床要約の証拠認識型アラインメント

要約: Brief Hospital Course（BHC）記述は臨床的に有用であると同時に、断片化されたEHRエビデンスに忠実である必要があります。LLMベースの臨床要約者は依然として未検証の記述を生み出すことがあり、整合性を取ろうとすることが省略を促す可能性があります（「say-less」退化）。我々はVERI-DPOを導入します。これは主張検証を用いて嗜好を抽出し、それを直接的嗜好最適化（DPO）により要約者へ蒸留します。MIMIC-III-Ext-VeriFact-BHC（100人のICU患者、患者レベルの分割）では、検索補助型検証機を訓練し、主張-エビデンスのペアを「支持あり」「支持なし」「未回答」という1トークン形式でラベル付けします。検証機はサンプリングされたBHC候補から文レベルの主張をスコア付けし、マージンをカバレッジを意識したユーティリティへ集約して、長さを制御し、矛盾を軸とした嗜好ペアを抽出します。未知の患者で検証機で抽出された嗜好は矛盾密度により候補を分離し、VERI-DPOはNot Supportedの主張率をローカル検証機判定で10.7%から1.9%へ、GPT-4o判定で11.6%から6.4%へ低減し、妥当性を76.7%から82.5%へ向上させ、情報価値のある長さを維持します。