محققان در تازهترین پژوهش خود، ابزاری کاربردی به نام «CURL» معرفی کردهاند که به مدلهای هوش مصنوعی کمک میکند در تخمین «اثرات درمان ناهمگن» (HET) عملکرد بسیار دقیقتری داشته باشند.
این مدل با استفاده از مدلهای زبانی بزرگ (LLM)، اطلاعات متنی را به ویژگیهای معنایی تبدیل کرده و به مدلهای پیشبینی اجازه میدهد حتی در شرایطی که دادهها ناپایدار هستند، تصمیمات دقیقتری برای حوزههایی مثل پزشکی شخصیسازی شده و بازاریابی هدفمند بگیرند. این گام بزرگی برای کاهش عدم قطعیت در مدلهای آماری است که میتواند دقت درمانهای پزشکی را بهشکل چشمگیری بالا ببرد. 🚀
منبع: arXiv Machine Learning