POET：经资格标准调优的协议优化

资格标准（EC）对临床试验设计至关重要，但为其起草仍是临床医生耗时且认知负担重的任务。现有自动化方法常落在两个极端：要么要求高度结构化的输入（如预定义实体）以生成特定标准，要么依赖从试验描述等极简输入端到端生成完整资格标准的系统，限制了实用价值。本工作提出一个引导式生成框架，引入可解释的语义轴（如人口学特征、实验室参数与行为因素）来引导EC生成。这些轴由大语言模型导出，在具体性与可用性之间提供折中，使临床医生无需指定确切实体即可引导生成。此外，我们提出一个可复用的基于量规（rubric）的评估框架，沿临床有意义的维度评估生成的标准。结果表明，在自动、基于量规与临床医生评估中，我们的引导式生成方法持续优于非引导生成，为AI辅助试验设计提供实用且可解释的方案。