UIC-AIHealth4All：先生成答案再对齐临床问答证据

我们描述了 ArchEHR-QA 2026 的 UIC-AIHealth4All 系统，这是一项基于电子健康记录的依据病历证据的问答的共享任务。我们参与了子任务 2（证据识别）、3（答案生成）和 4（答案-证据对齐）。对于子任务 2 和 3，我们提出了一个答案优先的管道，其中模型在对完整证据集进行分类之前引用特定注释句子生成候选答案，利用判断摘要中的相关性与相对于生成答案的相关性之间的不对称性。对于子任务 4，我们对五个独立模型调用应用自洽投票，按投票阈值保留链接。我们的管道在证据识别方面排名第三（Strict Micro F1 62.90），在答案生成方面排名第九（总体 31.90），在答案证据对齐方面排名第五（F1 79.81）。对 45 个文体特征的事后语言分析表明，尽管单词和句子计数相匹配，但模型输出的阅读难度仍然比临床医生撰写的参考文献高 3.2 个 Flesch-Kincaid 等级水平，这表明可读性需要在临床 NLP 系统中进行明确的优化。代码和提示可在 https://github.com/mo-arvan/archehr-qa-2026-uic-aihealth4all 获取。