.png){kind=icon}
返回
Context Engineering for AI-Assisted Pharmacometrics: A Practical Tutorial
.png){kind=icon}
OA
AI
DOI：10.1002/psp4.70317.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大型语言模型能够执行药代动力学工作流程，但当任务指令缺乏充足细节时，它们会犯严重的领域特定错误。本教程教授药代动力学专家如何定义自包含任务，将领域特定规则、验证标准和实例步骤嵌入药代动力学工作流程的每一步。这些独立任务随后被组织成一个结构化的任务库，其中每个任务在新的LLM实例（具有干净上下文）中运行，并通过共享工作空间文件传递信息。本教程涵盖上下文工程、控制每个决策点传递给LLM的信息，以及验证层和迭代优化任务库的方法。我们在合成人群PK/PD场景中演示了该方法，并在补充材料中提供了任务库和实现指南。
Keyword:
algorithms
methodology
model evaluation
model-informed drug development
pharmacometrics
population pharmacokinetics
simulation
software
期刊
C
IF:
3
论文数:
116
被引数:
0
机构
引用论文
Evaluation of prompt engineering strategies for pharmacokinetic data analysis with the ChatGPT large language model使用ChatGPT大语言模型评估用于药代动力学数据分析的即时工程策略OAAI
OAAI分享收藏Importance of Shrinkage in Empirical Bayes Estimates for Diagnostics: Problems and Solutions.png)
AAPS JOURNAL
OAAI
AAPS JOURNALIF3.7
OAAI分享收藏Leveraging Large Language Models in Pharmacometrics: Evaluation of NONMEM Output Interpretation and Simulation Capabilities利用大型语言模型在药代动力学中的研究：对NONMEM输出解释和模拟能力的评估
IF0
PREAI
分享收藏
查看更多内容