- 论文公开站arXiv
可解释的Transformer模型用于结构化电子健康记录上的临床预测任务
Explainable Transformer Models for Clinical Prediction Tasks on Structured Electronic Health Records
摘要显示，研究者提出BERT-LER模型，一种基于BERT架构的模型，用于编码电子健康记录（EHR）时间线。该模型在包含7500万患者的去标识化EHR数据集上预训练和微调，将实验室检测结果编码为离散令牌，并通过基于百分位的分箱保留分级信息，结合集成梯度方法提供令牌级归因。在EHRShot基准和哮喘严重程度进展研究中，BERT-LER在预测性能上与公开基准模型竞争，在实验室相关任务上常超越它们，且归因与临床已知风险因素一致。
意义：该研究将实验室值表示与可解释性统一于一个框架，为EHR基础模型提供方法论补充，有助于临床预测的可靠性和临床采纳。
- 开源项目公开站GitHub
LangChain：智能体工程平台
langchain-ai/langchain — The agent engineering platform.
LangChain是一个智能体工程平台，旨在帮助开发者构建基于大型语言模型的应用程序。它提供了模块化组件，用于链式调用、记忆管理、工具集成等，支持多种模型提供商。该平台拥有庞大的社区和丰富的文档，是构建LLM应用的主流框架之一。
意义：作为主流LLM框架，LangChain降低了构建复杂智能体的门槛，其生态和工具链对AI应用开发至关重要。
- 开源项目公开站GitHub
微软 Semantic Kernel：快速集成前沿大语言模型到应用中
microsoft/semantic-kernel — Integrate cutting-edge LLM technology quickly and easily into your apps
Semantic Kernel 是微软推出的开源 SDK，旨在帮助开发者轻松地将大语言模型（LLM）集成到应用程序中。它支持多种编程语言，提供插件、规划器等功能，简化 AI 功能的开发与部署。该仓库在 GitHub 上已获得 28,480 颗星，受到广泛关注。
意义：为开发者提供标准化的 LLM 集成框架，降低 AI 应用开发门槛，加速 AI 功能落地，是微软在 AI 开发工具领域的重要布局。
- 资讯公开站Entrepreneur
急于采用AI正在破坏客户体验，如何正确实施
Rushing to Add AI Is Wrecking Your Customer Experience. Here’s How to Get It Right.
摘要显示，每新增一个AI工具都会增加与客户的触点，但如果这些工具之间无法互通，企业也无法实现内部协同，进而影响客户体验。文章强调，正确实施AI应注重工具间的集成与一致性，避免因技术孤岛导致服务碎片化。
意义：提示开发者在集成AI时需考虑系统互操作性，避免造成客户体验碎片化，影响企业竞争力。
