Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2510.16081

帮助 | 高级搜索

计算机科学 > 计算机与社会

arXiv:2510.16081 (cs)
[提交于 2025年10月17日 ]

标题: SARHAchat:一种基于大语言模型的性与生殖健康咨询聊天机器人

标题: SARHAchat: An LLM-Based Chatbot for Sexual and Reproductive Health Counseling

Authors:Jiaye Yang, Xinyu Zhao, Tianlong Chen, Kandyce Brennan
摘要: 虽然人工智能(AI)在医疗保健应用中显示出潜力,但现有的对话系统在复杂且敏感的医学领域(如性与生殖健康(SRH))中常常表现不佳。 这些系统经常在幻觉方面存在问题,并且缺乏必要的专业知识,特别是对于敏感的SRH话题。 此外,当前医疗保健领域的AI方法往往更注重诊断能力,而非全面的患者护理和教育。 为解决这些差距,北卡罗来纳大学护理学院的这项工作引入了SARHAchat,一个概念验证的基于大型语言模型(LLM)的聊天机器人。 SARHAchat被设计为一个可靠、以用户为中心的系统,将医学专业知识与共情沟通相结合,以提高SRH护理的提供。 我们的评估表明,SARHAchat能够提供准确且符合情境的避孕咨询,同时保持自然的对话流程。 演示可在 https://sarhachat.com/\}\{https://sarhachat.com/ 查看。
摘要: While Artificial Intelligence (AI) shows promise in healthcare applications, existing conversational systems often falter in complex and sensitive medical domains such as Sexual and Reproductive Health (SRH). These systems frequently struggle with hallucination and lack the specialized knowledge required, particularly for sensitive SRH topics. Furthermore, current AI approaches in healthcare tend to prioritize diagnostic capabilities over comprehensive patient care and education. Addressing these gaps, this work at the UNC School of Nursing introduces SARHAchat, a proof-of-concept Large Language Model (LLM)-based chatbot. SARHAchat is designed as a reliable, user-centered system integrating medical expertise with empathetic communication to enhance SRH care delivery. Our evaluation demonstrates SARHAchat's ability to provide accurate and contextually appropriate contraceptive counseling while maintaining a natural conversational flow. The demo is available at https://sarhachat.com/}{https://sarhachat.com/.
评论: 5页,1图
主题: 计算机与社会 (cs.CY) ; 人工智能 (cs.AI)
引用方式: arXiv:2510.16081 [cs.CY]
  (或者 arXiv:2510.16081v1 [cs.CY] 对于此版本)
  https://doi.org/10.48550/arXiv.2510.16081
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Xinyu Zhao [查看电子邮件]
[v1] 星期五, 2025 年 10 月 17 日 14:22:49 UTC (94 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
cs.CY
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-10
切换浏览方式为:
cs
cs.AI

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号