[论文翻译]高级提示作为催化剂：赋能大语言模型管理胃肠癌

大语言模型(LLM)在医疗领域的表现受提示工程(prompt engineering)影响显著。然而在胃肠肿瘤学领域，相关研究至今仍处于探索阶段。本研究深入这一空白领域，系统评估了简单提示、模板化提示、上下文学习(ICL)以及多轮迭代提问等不同提示策略对优化大语言模型医疗场景表现的效果。我们开发了一套多维度的综合评估体系，确保全面衡量大语言模型的医学能力。研究发现提示的完整性与模型表现呈正相关，其中以问答循环为特征的多轮策略始终表现最佳。利用关联上下文学习的ICL策略也展现出显著优势，其效果远超简单提示。本研究证实了高级提示工程与迭代学习策略对提升大语言模型医疗应用价值的潜力，建议通过进一步研究优化这些策略并探索其协同效应，以充分释放大语言模型在医学应用中的潜能。