用于临床长上下文推理的抑制性注意力：刻画并缓解 EHR 处理中的“迷失于中间”效应

英文标题：Inhibitory Attention for Clinical Long-Context Reasoning: Characterizing and Mitigating Lost-in-the-Middle Effects in EHR Processing

电子健康记录（EHR）中单个患者的数据如今通常已超过 10 万个 token，对大语言模型的长上下文处理能力提出了更高要求。研究指出，大语言模型存在“迷失于中间”（Lost-in-the-Middle，LitM）效应：位于长上下文中部的信息，比处于开头或结尾的信息更难被稳定检索。该工作聚焦临床长上下文推理，旨在刻画并缓解 EHR 处理中的这一问题，对开发可靠的临床 AI Agent、病历检索和决策支持系统具有重要意义。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB