연구진이 환자 피드백의 정확도를 높이는 LM 기반 역설적 추천 파이프라인을 개발했어요. 환자의 우려 사항에 대한 어조, 개인화, 실행 가능성, 완전성과 같은 해석 가능한 커뮤니케이션 특징을 개선하는 데 활용돼요. 독립적인 감사 모델을 통해 추천의 일반화 가능성을 테스트하고 의료 내용에 영향을 주지 않도록 설계됐어요.
추천 시스템은 낮은 비용의 순서형 특징 변경을 검색하여 긍정적인 피드백 가능성을 높이는 최소한의 커뮤니케이션 변경을 제안해요. 독립적인 감사 모델은 이러한 개선이 선택 모델을 넘어 일반화되는지 테스트해요.
실험 결과, 추천은 평균 +6.41%의 예측 긍정 피드백 확률 증가를 가져왔고, 93.31%의 추천에서 긍정적인 결과를 보였어요.