本研究评估了多个大型语言模型在回答300个胃肠病学问题时的自我报告反应确定性。尽管新模型表现较好，但普遍存在过度自信的倾向，这对医疗健康中安全使用大型语言模型提出了挑战。

该论文介绍了在SMM4H 2022共享任务中对Twitter上的自我报告的亲密伴侣暴力进行分类的提交。该系统由五个RoBERTa模型的集成组成，通过在验证数据集上的F1分数进行加权。该系统的效果比基线提高了13％，成为该共享任务中表现最好的系统。