L2D-Clinical：学习推迟临床文本分类中的自适应模型选择

临床文本分类需要在专门的微调模型（BERT 变体）和通用 大语言模型 (LLM) 之间进行选择，但两者都不在所有实例中占主导地位。我们引入了针对临床文本的 Learning to Defer (L2D-Clinical)，该框架可根据不确定性信号和文本特征来学习 BERT 分类器何时应遵循 LLM。与之前的 L2D 工作不同的是，当 LLM 补充 BERT 时，我们的方法可以实现自适应延迟，从而提高准确性。我们评估两项英语临床任务：(1) ADE 检测 (ADE Corpus V2)，其中 BioBERT (F1=0.911) 优于 LLM (F1=0.765)，以及 (2) 治疗结果分类（MIMIC-IV 与多 LLM 共识 真值），其中 GPT-5-nano (F1=0.967) 优于 ClinicalBERT (F1=0.887)。在 ADE 上，L2D-Clinical 通过有选择地推迟 7% 的实例（其中 LLM 的高召回率补偿了 BERT 的失误），实现了 F1=0.928（比 BERT 多了 1.7 分）。在 MIMIC 上，L2D-Clinical 仅将 16.8% 的案例推迟到 LLM，从而实现了 F1=0.980（比 BERT 多了 9.3 分）。关键的见解是 L2D-Clinical 学会有选择地利用 LLM 的优势，同时最大限度地降低 API 成本。