论文arxiv cs.CL · 2w ago重要
RAG-Coding: Enhancing LLM Medical Coding with Structured External Knowledge
分类释义：学术论文 / 技术报告
TL;DR
RAG-Coding 用四个 LLM Agent 协同，基于官方 ICD-10-CM 指南做检索增强，在 MDACE 数据集上比最佳基线提升 8-13% micro-F1，并发布更新了 2025 年指南的 MDACE-2025 数据集。
关键要点
- 01RAG-Coding 用四个 LLM Agent 协同。
- 02基于官方 ICD-10-CM 指南做检索增强。
- 03在 MDACE 数据集上比最佳基线提升 8-13% micro-F1。
- 04并发布更新了 2025 年指南的 MDACE-2025 数据集。
为什么值得关注
医疗编码自动化直接降低医院billing成本，RAG-Coding 的多 Agent 架构展示了如何在高准确性要求的场景中用外部知识约束 LLM 幻觉风险；产品上可借鉴其「并行检索→交叉验证→投票决策」模式做金融合同审核或合规审查。
对你的工程实践意味着什么
LLM 实时生成MiniMax-M2.7缓存命中
| 角色 | 你应该做什么 |
|---|---|
| Tech Lead | 评估「并行检索→交叉验证→投票决策」模式在自研产品线的适用性 |
| 应用工程师 | 看论文中四 Agent 协同的具体角色划分和提示词设计 |
| 运维 / 平台 | 评估向量数据库承载官方指南知识库的运维方案 |
| 产品 / 业务 | 暂无直接影响，了解即可 |
同类资讯
本页 TL;DR 与「为什么」由 LLM 生成 · 模型：MiniMax-M2.7 / Claude Haiku 4.5