《IEEE Transactions on Big Data》：CFL-LSTM: Collaborative Cloud Server Load Prediction Using Multi-Dimensional Time Series Correlation Analysis and LSTM
编辑推荐：
在线医疗服务为患者提供了便捷的就医途径，但基于特定医疗需求对医生进行有效排序仍具挑战。现有排序方法通常缺乏对患者信任与知情决策至关重要的可解释性，且监督学习所需的标准化基准与标注数据稀缺，制约了专业感知医生排序的发展。为此，研究人员提出一种由大语言模型（LLM
在线医疗服务为患者提供了便捷的就医途径，但基于特定医疗需求对医生进行有效排序仍具挑战。现有排序方法通常缺乏对患者信任与知情决策至关重要的可解释性，且监督学习所需的标准化基准与标注数据稀缺，制约了专业感知医生排序的发展。为此，研究人员提出一种由大语言模型（LLM）驱动的零样本可解释医生排序框架。该框架动态生成疾病特异性排序准则，引导LLM以透明一致的方式评估医生相关性，并通过逐步推理依据增强信息检索过程的可解释性。为支持严谨评估，研究人员构建并发布DrRank——一个涵盖38个疾病-治疗对与4325份医生档案的专专家驱动新型数据集。在该基准上，框架以+6.45 NDCG@10显著优于最强基线。综合分析显示框架在疾病类型、患者性别与地理区域间具备公平性，医学专家核验亦确认其可靠与可解释。框架在BEIR基准两个数据集上同样表现优越。代码与数据见https://github.com/YangLab-BUPT/DrRank。
研究背景方面，互联网医疗快速发展使患者跨区获取诊疗服务成为可能，但从庞大医生池中依疑似病情与治疗需要（用药、手术、放疗等）遴选合适医生仍困难。早期方法依赖咨询量、患者评价等统计指标，难以反映专业水准；后续机器学习方法需大量标注数据，而医学专家标注成本高昂，代理信号（如是否完成咨询）又引入偏置。更为关键的是，现有方法普遍忽视排序可解释性，而医疗场景高精度与高可信要求使透明性不可或缺。研究人员由此开展零样本、可解释、LLM驱动的医生排序研究，发表于《IEEE Transactions on Big Data》，旨在解决标注稀缺、黑盒决策与专业对齐三重难题。
主要关键技术方法上，研究人员采用点式（pointwise）零样本排序策略，以LLM对单医生档案独立打细粒度五级相关性标签（Top、High、Mid、Low、NR），由logit期望得分为序；设计强制引出机制（forced elicitation mechanism）约束解码首令牌至标签空间，保障稳定抽取；动态生成疾病-治疗对专属排序准则并以one-shot迁移至全量配对，作为透明评估指南；在得分散后拼接说明前缀让同一LLM产出逐步依据（rationale）。数据来自好大夫在线超60万档案池，经gte-multilingual-reranker-base初筛百名候选，由北京协和医院临床专家双盲评0–5分、分歧引入第三专家裁定，硬负采样（hard negative mining）平衡正负比并植入跨病种正样本作难负例，最终形成38配对、4325档案（2593唯一）的DrRank集。
研究结果部分，按原文小节浓缩如下。
DrRank数据集：经采集预处理、专家标注与硬负采样，建成含23癌+7重症共30病种、38疾病-治疗对、4325档案的首个专业驱动医生排序基准，档案字段含职称、科室、简介、擅长、社会服务、获奖、科研等9类，长度CDF显示平均文长超初始池，体现真实场景复杂度。
方法论：定义查询q为疾病+治疗需求、候选医生d为键值拼接文本，点式函数f(q,d)→?。相较pairwise/listwise，点式无位置偏置、可并行、易复现；细粒度五级标签较二值降低人为偏置；强制引出机制以固定前缀“The professional relevance of the candidate doctor is”锚定首token；准则生成用Qwen2.5-7B-Instruct离线产出再人工择优选例one-shot复用；依据生成在最高logit标签后接“.\n\n The reasons are as follows. \n 1.”引列表式解释。
实验-零样本排序性能：在DrRank上，Qwen2.5系列≥7B全面超越bi-encoder（bge-m3、jina-embeddings-v3、e5-mistral-7b-instruct、gte-Qwen2-7B-instruct）与cross-encoder（jina-reranker-v2-base、bge-reranker-v2-m3等）基线，32B达NDCG@10 77.41；注入疾病准则后7B/32B持续提升，0.5B/1.5B反降，随机准则损害大模型，证伪“格式即有效”假设；Baichuan-M1-14B-Instruct医域模型获准则后+3.81%相对提升。分数分布显示随真值相关性升，NR/Low/Mid概率近0、Top概率近1。
讨论-标签数与打分派生：五级较三级/二级优；SUM（期望）与MAXlogit、MAXprob三者浮动小且均高，说明细粒度本身增益非单纯抽样等效。
讨论-公平性：病种间NDCG@10标准差自0.0689降至0.0672（准则介入后）优于bge-reranker-v2-m3的0.0773；性别差<1.3（男）/1.0（女）远小于基线3.50；城乡差异各模型相近。
讨论-可解释性：5位医学专家对38套准则、140条依据打0–5分，流畅性、专业性、合理性均高，印证准则与依据可被临床认可。
讨论-低比特量化：Qwen2.5-32B-AWQ（AutoAWQ）显存29.85GB→19.35GB（-35.2%），NDCG@10 77.41→76.95，Recall@10几乎不变，解释耗时-30%但打分耗时因bit-pack增近10倍。
讨论-鲁棒与泛化：BEIR的trec-covid与touche2020上Qwen2.5-7B无准则已胜bge-reranker-v2-m3，加准则再升，证框架非医疗特化。
局限：未纳医生出诊配额、医保、实时平台态；高相关专家易曝光过载未做多样性去偏。
案例：肺癌手术查询下，模型对纵隔瘤为主、肺癌次优的医生A因中山医院声望与国际交流过权判Top，对真顶刊指南贡献者医生B正确命中，揭示零样本语义漂移与出版主题后校准之需。
结论部分翻译浓缩：本研究提出零样本、可解释、LLM赋能的医生排序框架，融合细粒度点式相关性估计、动态排序准则生成与自然语言依据，在新建DrRank专专家驱动集上兼顾精度、公平与透明，并于BEIR两集验证泛化性，可作通用可解释排序基底；未来将引入出版物与电子病历深校准，并对接商业医疗平台落地下游约束。
讨论总结：研究人员指出框架虽在零样本泛化与过程透明上表现强，但仍是研究级方案，实时号源、保险与地域接入未涉；高分段名医持续聚集可能放大已有求医分布不均，多样性感知与工作负载感知目标留待后续；案例中药医生A误排提示机构声望等强信号会掩盖疾病-治疗对齐弱信号，出版主题可作为后校准锚点但因资源未入评测。整体工作以DrRank填补基准空白，以准则+依据双通道把黑盒LLM排序转为可审计决策，对可信医疗检索具方法与数据双重贡献。
