CRAFT：基于 LLM 的迭代细化，用于临床叙述的时间推理

了解临床叙述中症状的时间进展对于疾病监测、安全性监测和因果关系评估至关重要。然而，临床叙述很少提供明确的时间锚点。目前的时间信息推理方法主要集中在多次访问和时间戳丰富的记录之间的成对关系分类，而从单个锚点稀疏报告中重建结构化症状轨迹基本上没有得到解决。我们提出了 CRAFT，这是一个 LLM 框架，它将生成器与基于约束的验证器配对，通过有针对性的反馈迭代地生成和完善阶段性症状时间线。我们对 MedTempo 进行评估，这是一个新基准，包含涵盖三种 COVID-19 疫苗类型的 5,347 条疫苗不良事件叙述，并为 3,166 份报告提供了经过专家验证的时间阶段注释。跨四个 LLM 主干的实验表明，CRAFT 持续提高了时间排序的准确性，消融分析隔离了生成器和验证器组件在模型能力级别上的贡献。