论文
埃塞俄比亚卫生设施选址：利用 LLM 将专家知识融入算法规划
Health Facility Location in Ethiopia: Leveraging LLMs to Integrate Expert Knowledge into Algorithmic Planning
摘要
埃塞俄比亚卫生部正在升级卫生站以改善基本服务的可及性，尤其是农村地区。然而资源有限，需要仔细决定优先升级哪些设施，以在顾及多方专家与利益相关者偏好的同时最大化人口覆盖。我们与埃塞俄比亚公共卫生研究院及卫生部合作，提出一个将专家知识与优化技术系统性整合的混合框架。经典优化方法提供理论保证，但要求显式、定量的目标，而利益相关者的准则往往以自然语言表述、难以形式化。为衔接这两个领域，我们开发了 LLM 与扩展贪婪（Large language model and Extended Greedy, LEG）框架。该框架结合人口覆盖优化的可证近似算法与 LLM 驱动的迭代精化，并纳入人机对齐，确保解反映专家的定性指导，同时保留覆盖保证。在埃塞俄比亚三个地区真实数据上的实验证明了该框架的有效性及其为公平、数据驱动的卫生系统规划提供依据的潜力。
