【新智元导读】谷歌DeepMind最新Nature王炸，，，，，，直接把Gemini版大模子PH-LLM调教成了「AI康健私教」，，，，，，把可衣着冷冰冰的数据，，，，，，直接酿成睡眠健身建议，，，，，，效果准确率暴打人类医生。。。。。 这个适配器是用于，，，，，，凭证至少15天的纵向被动传感器数据（包括逐日睡眠与活动指标），，，，，，来展望睡眠障碍和睡眠损伤的主观报告效果（PROs） 最后，，，，，，测试模子展望患者主观报告效果（PROs）的能力，，，，，，使其在天生建议时能整合个体对睡眠质量的自评数据，，，，，，真正实现个性化康健指导。。。。。 值得一提的是，，，，，，睡眠医学题库包括每道问题的人类考生答题漫衍等元数据，，，，，，这允许团队基于问题难度举行分层性能较量。。。。。 为量化PH-LLM的体现水平，，，，，，团队还招募了5位平均从业25年的睡眠医学专家（均持有高级学位）和5位平均从业13.8年的职业运动教练加入同规格考试。。。。。 在康健治理案例剖析中，，，，，，PH-LLM模子在三个维度（运动处方制订、恢复计划建议、训练准备度评估）上，，，，，，体现出与人类专家及Gemini Ultra 1.0相当的水平（图2d）。。。。。 为使PH-LLM能从传感器特征展望PROs，，，，，，研究职员又训练了一个多层感知机（MLP）适配器，，，，，，将20项传感器特征的统计量映射至PH-LLM的潜在标记空间（要领部分）。。。。。 在保存测试集中，，，，，，团队较量了零样本提醒、少样本提醒与PH-LLM适配器要领，，，，，，在受试者事情特征曲线下面积（AUROC）和准确召回曲线下面积（AUPRC）的体现（图3c,d）。。。。。 值得注重的是，，，，，，客观睡眠丈量数据对主观睡眠质量指标的展望力通常有限，，，，，，但配备适配器的PH-LLM在AUROC和AUPRC上均显著优于两种提醒要领。。。。。