本文提出了Patent-CR，这是首个针对专利CLAIM修订的英文数据集，填补了研究空白。研究评估了多种语言模型的有效性，发现领域特定模型表现良好，GPT-4表现优异，但仍需修订以符合审查标准，为未来研究提供了重要见解。

研究探讨大型语言模型生成长篇答案时的虚假信息问题，提出声称分解方法以改善回答的真实性。引入中文原子声明分解数据集（CACDD），为识别和验证模型回应中的原子声称提供新基准。实验显示声明分解仍有挑战，需进一步研究。

本研究评估了人工智能在影像学诊断和预后软组织及骨肿瘤中的应用。研究发现现有的影像-AI工具仍处于概念验证阶段，需要在设计、开发、评估和数据可重复性等方面进行改进。

大型语言模型在医疗领域具有巨大应用潜力。本文提出AI Hospital框架，旨在构建实时互动诊断环境，强调整合临床知识与多模态能力的重要性。研究表明，生成式大型语言模型能够提升医疗决策质量，自动生成临床笔记，并在知识检索和诊断辅助中发挥作用。有效整合这些模型需要优化和伦理监管。