研究：对话式AI框架可细化新冠社会接触感染风险

一项预印本研究开发了迭代式检索增强生成对话框架，用于根据文本化社交互动描述预测新冠感染风险。研究称，团队用比利时鲁汶学生社区疫情期间收集的19434条社交互动文本描述训练长短期记忆（LSTM）模型，并将其整合进基于Llama3.3的对话框架，以迭代方式补充可能提示感染风险的社交信息。结果显示，仅基于社交互动数据，微调后的RobBERT模型预测感染风险的ROC曲线下面积为0.73，LSTM模型与基于TF-IDF特征的逻辑回归均为0.72，三者略优于经QLoRA微调的Mistral NeMo模型（0.69）。研究称，Llama3.3在该框架中表现良好，预测风险常能收敛，且冗余提问少于较小的Mistral 7B和Gemma3 12B模型；框架还能按感染风险对具有不同社交互动类型的合成用户分层。作者认为，将简单语言模型与大语言模型结合，可在高传播背景下细化接触者追踪数据中的个体…