University of Toronto（多伦多大学）

TuneShift-KD: Knowledge Distillation and Transfer for Fine-tuned Models

TuneShift-KD：用于微调模型的知识蒸馏与迁移

Yushi Guan, Jeanine Ohene-Agyei, Daniel Kwan, Jean Sebastien Dandurand, Yifei Zhang, Nandita Vijaykumar

机构 * Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； Vector Institute, Toronto, Canada（多伦多大学向量研究所） 纠错

AI总结 本文提出TuneShift-KD方法，通过少量示例自动将微调模型的专业知识蒸馏并迁移到目标模型，利用困惑度差异识别专业领域知识，无需训练判别器或训练数据集。

Dialogue to Question Generation for Evidence-based Medical Guideline Agent Development

对话到问题生成用于基于证据的医疗指南代理开发

Zongliang Ji, Ziyang Zhang, Xincheng Tan, Matthew Thompson, Anna Goldenberg, Carl Yang, Rahul G. Krishnan, Fan Zhang

机构 * Google Research（谷歌研究） ； University of Toronto（多伦多大学） ； Vector Institute Canada（加拿大向量研究所） ； Emory University（埃默里大学） 纠错

AI总结 本文探讨利用大语言模型生成基于证据的问题，以辅助医生在短时间内进行诊疗决策，通过两种提示策略评估模型效果，结果显示LLM能生成具有临床意义的问题，有助于减轻医生认知负担。

Comments 9 pages. To appear in Proceedings of Machine Learning Research (PMLR), Machine Learning for Health (ML4H) Symposium 2025

Journal ref Proceedings of Machine Learning Research 2025