医生知道如何提示吗？临床笔记生成中对自动提示优化帮助的需求
Do Physicians Know How to Prompt? The Need for Automatic Prompt Optimization Help in Clinical Note Generation
AI总结：
本研究提出自动提示优化框架，发现GPT4 APO能标准化临床笔记生成质量，并建议结合专家定制化的两阶段优化流程。
摘要：
本研究考察了提示工程对大型语言模型（LLMs）在临床笔记生成中性能的影响。我们引入了一个自动提示优化（APO）框架来优化初始提示，并比较了医学专家、非医学专家以及经APO增强的GPT3.5和GPT4的输出。结果突出表明，GPT4 APO在标准化临床笔记各部分的提示质量方面具有优越性能。一种人在回路的方法显示，专家在APO后保持了内容质量，并倾向于自己的修改，这表明了专家定制化的价值。我们推荐一个两阶段优化过程，利用APO-GPT4实现一致性，并利用专家输入实现个性化。
英文摘要：
This study examines the effect of prompt engineering on the performance of Large Language Models (LLMs) in clinical note generation. We introduce an Automatic Prompt Optimization (APO) framework to refine initial prompts and compare the outputs of medical experts, non-medical experts, and APO-enhanced GPT3.5 and GPT4. Results highlight GPT4 APO's superior performance in standardizing prompt quality across clinical note sections. A human-in-the-loop approach shows that experts maintain content quality post-APO, with a preference for their own modifications, suggesting the value of expert customization. We recommend a two-phase optimization process, leveraging APO-GPT4 for consistency and expert input for personalization.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
