sebis가 MedGemma-27B 모델을 활용한 의료 CRF 채우기 파이프라인을 제안했어요. 이 파이프라인은 개인 정보 보호, 추론 비용 절감, 환각 방지에 중점을 둡니다.
2단계 아키텍처는 존재 분류와 값 추출을 분리하여 텍스트 증거 준수를 강화하고 부정확하거나 불확실한 상태에 대해 결정적인 출력을 보장해요.
item별 few-shot in-context 학습을 통해 공식 영어 테스트 트랙에서 0.55의 macro-F1 점수를 달성하여 로컬 호스팅 오픈 소스 제출물 중 2위를 차지했어요.