← Каталог

· AI Engineer World's Fair 2026

Не испытывайте дефицита данных

Don't be data poor

Синтетические медкарты можно генерировать от метки назад, через дерево решений политики, и тогда разметка верна по построению, по словам спикера.

  • Обратный порядок генерации — сначала сэмплируются метка и путь рассуждений по политике, и только потом строится запись под них. По словам спикера, это обходит mode collapse, который даёт одношаговая генерация документов длиной больше 300 страниц.
  • Политика как дерево решений — символьное представление политики позволяет детерминированно перебирать сценарии, включая редкие краевые случаи, которых нет в выборке из 200 клиентских кейсов.
  • Сборка от общего к частному — сначала инварианты пациента и список событий, затем план документов на каждый визит и параллельная генерация документов. Так длинная история не переполняет контекст, а проверка согласованности между документами ловит противоречия.
  • Эксперты в контуре — клиницисты правят генерацию в любой точке и ведут логику пайплайна как skills на внутреннем agent harness. Около 90% датасетов компании синтетические, а в слепой оценке клиницисты правильно отличали синтетику от реальных записей лишь примерно в 60% случаев.

Кому полезно: тем, кто строит evals в регулируемых сценариях, где нельзя хранить реальные данные или дорого размечать их вручную.

Статья по теме

На какие вопросы отвечает доклад

  • Как тестировать медицинский ИИ, если реальные медицинские записи нельзя хранить и использовать?

    Спикер предлагает генерировать синтетические записи самостоятельно: сначала сэмплировать метку и цепочку рассуждений по политике, затем строить документы от них. По его словам, около 90% датасетов уже синтетические.

    ▶ 3:13Синтетические данные, разовая генерация и коллапс мод
  • Почему LLM дают однообразные синтетические медицинские документы, если попросить сгенерировать запись одним запросом?

    Спикер называет mode collapse: в pre-training мало медицинских документов, а post-training поощряет помощника, а не разнообразие. Запись длиной в 300 страниц в одном запросе не получается.

    ▶ 3:13Синтетические данные, разовая генерация и коллапс мод
  • Как покрыть редкие граничные случаи, которых нет в выборке из двухсот реальных кейсов клиента?

    Политику можно представить в виде дерева решений и детерминированно сэмплировать цепочки рассуждений для каждого исхода. По словам спикера, так тестируются сценарии шире тех, что есть в продакшен-данных.

    ▶ 5:52Деревья принятия решений на основе политик и символьная выборка сценариев
  • Как генерировать длинные медицинские записи с согласованными фактами, не переполняя контекстное окно LLM?

    Запись строится послойно: инварианты пациента, путь пациента по событиям, план документов на каждый визит, затем параллельная генерация документов. LLM-проверка согласованности и обратная проверка по меткам дают верные метки по построению.

    ▶ 8:09Медицинские карты пациентов и клинические траектории: от общего к частному
  • Как дать доменным экспертам управлять пайплайном синтетических данных без правок кода?

    Клиницисты вмешиваются в генерацию через human-in-the-loop, а этапы оформлены как skill-файлы на внутреннем agent harness. Новый тип документа добавляется новым файлом без инженерных изменений.

    ▶ 10:52Формирование эталонных данных, рекомендации клиницистов и завершение

Главы

Похожие доклады