論文の概要: Prompt or Policy? Optimizing Physician Slate Presentations with LLM User Simulators

• arxiv url: http://arxiv.org/abs/2610.18309v1
• Date: Tue, 13 Oct 2026 12:52:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:29:40.577146
• Title: Prompt or Policy? Optimizing Physician Slate Presentations with LLM User Simulators
• Title（参考訳）: プロンプトか政策か : LLMユーザーシミュレータによる医用スレート提示の最適化
• Abstract要約: 患者の医療事例と、医師のランクが固定されたリストを考えると、医師が簡単に比較できるように、短いケース固有の要約を生成する。 各症例から抽出した属性から患者ペルソナを生成し,事実的正確性,関連性,自然性,シミュレートされた患者選択に関するプレゼンテーションを評価する。 GEPAによる自動プロンプトレベル最適化,GRPOによるパラメータレベル最適化,および2つのモデルサイズで組み合わせる。
• 参考スコア（独自算出の注目度）: 1.4969391620741985
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Choosing the right physician is a key challenge for patients seeking medical care. Physician recommendation systems identify relevant doctors, but patients still find it difficult to compare their profiles to make a decision. We formulate slate presentation optimization: given a patient's medical case and a fixed, ranked list of physicians, we generate short, case-specific summaries that make doctors easier to compare, while remaining grounded in the information in their profiles. To optimize physician presentations without relying on real patient interactions, we develop an offline framework that uses persona-conditioned LLMs to simulate patient choices. We generate patient personas from attributes extracted from each medical case and evaluate presentations for factual accuracy, relevance, naturalness and simulated patient choice. We also use a second LLM judge, unseen during optimization, to assess simulator-specific overfitting. We compare automatic prompt-level optimization with GEPA, parameter-level optimization with GRPO, and their combination across two model sizes. GRPO substantially outperforms GEPA in satisfying the full set of constraints, and its gains in simulated conversion persist under the unseen judge. GEPA alone brings smaller improvements, but using its optimized prompt to initialize GRPO speeds up training and achieves the highest simulated conversion. These results show that prompt-level and parameter-level optimization play complementary roles in improving how physician recommendations are presented.
• Abstract（参考訳）: 適切な医師を選ぶことは、医療を求める患者にとって重要な課題である。 医師推薦システムでは、関連する医師を特定できるが、患者のプロフィールを比較することは難しい。 患者の医療状況と医師のランクが固定されたリストから、医師が簡単に比較できる短いケース特化サマリーを生成しつつ、プロフィール情報に基盤を置きながら、プレゼンテーションの最適化を定式化する。 実際の患者との相互作用に頼らずに医師のプレゼンテーションを最適化するために,患者選択をシミュレートするペルソナ条件のLCMを用いたオフラインフレームワークを開発した。 各症例から抽出した属性から患者ペルソナを生成し,事実的正確性,関連性,自然性,シミュレートされた患者選択に関するプレゼンテーションを評価する。 また、最適化中に見えない第2のLCM判定器を用いて、シミュレータ固有のオーバーフィッティングを評価する。 GEPAによる自動プロンプトレベル最適化,GRPOによるパラメータレベル最適化,および2つのモデルサイズで組み合わせる。 GRPO は GEPA を大幅に上回り、制約の完全なセットを満たす。 GEPAだけでも改善は少ないが、GRPOの初期化に最適化されたプロンプトを使用することでトレーニングを高速化し、最高のシミュレート変換を実現する。 これらの結果は, 医師推薦の提示方法を改善する上で, プロンプトレベルの最適化とパラメータレベルの最適化が相補的な役割を担っていることを示している。

関連論文リスト

• MedArena: Comparing LLMs for Medicine-in-the-Wild Clinician Preferences [50.71326426975699]
  MedArenaは医療用大規模言語モデル(LLM)のためのインタラクティブな評価プラットフォームである。 MedArenaは、2つのランダムに選択されたモデルからの応答を表示し、ユーザが好みのレスポンスを選択するように要求する。 2025年11月1日までに12台のLLMで収集された1571の選好のうち、ジェミニ2.0フラッシュシンキング、ジェミニ2.5プロ、GPT-4oがブラッドリー・テリーのレーティングで上位3モデルとなった。
  論文  参考訳（メタデータ） (2026-03-13T22:30:26Z)
• MMedPO: Aligning Medical Vision-Language Models with Clinical-Aware Multimodal Preference Optimization [25.937453082034448]
  我々は,新しいマルチモーダル医療優先最適化手法MMedPOを提案する。 MMedPOは、Med-LVLMアライメントを高めるために、嗜好サンプルの臨床的関連性を考慮する。 実験の結果,MMedPOはMed-LVLMの精度を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2024-12-09T01:50:39Z)
• AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
  我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。 この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。 高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
  論文  参考訳（メタデータ） (2024-02-15T06:46:48Z)
• Relative Preference Optimization: Enhancing LLM Alignment through Contrasting Responses across Identical and Diverse Prompts [95.09994361995389]
  Relative Preference Optimization (RPO) は、同一のプロンプトと関連するプロンプトの両方から、より多く、あまり好まれない応答を識別するように設計されている。 RPOは、大きな言語モデルをユーザの好みに合わせて調整し、トレーニングプロセスにおける適応性を改善する優れた能力を示している。
  論文  参考訳（メタデータ） (2024-02-12T22:47:57Z)
• Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
  医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。 医療対話生成のためのエンドツーエンドの変分推論手法を提案する。 行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
  論文  参考訳（メタデータ） (2021-05-13T04:14:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。