CareLit · DOI-Nachweis · RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren
Improving the use of LLMs in radiology through prompt engineering: from precision prompts to zero-shot learning
DOI 10.1055/a-2264-5631
Bibliografische Angaben
Nachweis in CareLit
Autor:innenMaximilian Frederik Russe, Marco Reisert, Fabian Bamberg, Alexander Rau
ZeitschriftRöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren
Ausgabe11/2024
Jahrgang / SeitenJg. 196 · S. 1166-1170
Kernaussage aus der Literatur
Abstract-Vorschau
Zusammenfassung Ziel Große Sprachmodelle (engl. LLMs) wie ChatGPT haben ein erhebliches Potenzial in der Radiologie gezeigt. Ihre Effektivität hängt oft vom sog. Prompt-Engineering ab, das die Interaktion mit der künstlichen Intelligenz für genaue Ergebnisse optimiert. Hier wird die kritische Rolle des Prompt-Engineerings bei der Anpassung der Antworten der LLMs an spezifische medizinische Aufgaben hervorgehoben. Ma…
Zitieren
Zitierempfehlung
Maximilian Frederik Russe, Marco Reisert, Fabian Bamberg, Alexander Rau (2024) Improving the use of LLMs in radiology through prompt engineering: from precision prompts to zero-shot learning. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, 196 (11), 1166-1170. https://doi.org/10.1055/a-2264-5631
Mit CareLit weiterarbeiten