本研究提出了一种替代对比解码（ALCD）方法，旨在解决大型语言模型在医学信息提取中的幻觉问题。实验结果表明，ALCD在消除幻觉和提升识别、分类能力方面显著优于传统解码方法。

本文探讨了双向长短期记忆神经网络（BiLSTM）在医学信息提取中的应用，并与传统命名实体识别系统进行了比较。研究表明，医学NLP模型在少量标记数据下表现更佳，强调了预训练方法和领域特定词汇对模型性能的重要性。此外，评估了大型语言模型在放射学报告中的应用，发现其在结构化数据上表现优异，而微调的BERT模型在非结构化文本中更为有效。